论文部分内容阅读
针对目前扫描隧道显微镜超高精度位移的要求，提出了一种基于神经网络的精密工作台控制方案。在分析微位移机构工作原理的基础上，建立了工作台的数学模型。神经网络辨识器在线辨识工作台的机械参数，神经网络自学习PID控制器代替传统PID控制器，实现了样本的在线采集，有效克服了神经网络控制器需要离线训练的缺点。利用BP网络的自学习和自适应能力，实时调整网络加权值，改变控制器的控制系数，增强了系统的实时控制性能。实验结果表明，相对于传统PID控制算法，参考位移量为10Fm时，达到稳态值的时间从3．8S缩短到1．8S，稳态