论文部分内容阅读
针对扫描隧道显微镜工作台高精度控制的需求，设计了一种基于神经网络理论的控制系统，其微位移工作台由压电陶瓷驱动器和柔性铰链机构组成。在对驱动器结构进行分析的基础上，建立了工作台的数学模型。以三层神经网络自学习PID控制器代替常规PID控制器，实现了样本的在线采集和优化，有效地克服了神经网络控制器需要离线训练的缺点；采用BP算法对神经网络进行在线训练，增强了系统的实时控制性能。实验结果表明，10μm下的过渡时间从3．25s缩短到1．6s，稳态误差从2．78％减小到1．39％。