STM微位移工作台的遗传神经网络控制技术

为了提高扫描隧道显微镜微位移工作台的定位精度,提出了一种基于遗传算法的神经网络PID控制方案。微位移工作台以压电陶瓷为驱动器、柔性铰链为导向机构,在分析工作原理的基础上,建立了工作台的数学模型。神经网络PID控制器对工作台进行闭环控制,能够在线调整网络加权值,实时改变PID控制器的系数,减小工作台的位移误差。利用遗传算法的全局搜索能力对BP网络的初始权值进行学习优化,有效消除了神经网络对初始权值敏感和容易局部收敛的缺陷,改善了控制器的控制效果。性能测试表明,12μm阶跃参考输入下的稳态误差从3.24%减小到2.55%,稳态时间从1.7 s缩短到1.1 s。     

扫描隧道显微镜精密工作台的神经网络控制

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10μm时,达到稳态值的时间从3.8 s缩短到1.8 s,稳态误差从4.2%减小到1.9%。     

基于扫描隧道显微镜的纳米加工技术

介绍了具有原子级分辨率的扫描隧道显微镜(STM)的工作原理及其相对于传统的电子束加工所具有的技术优势,阐述了STM在纳米加工中的应用和需要解决的技术难题。     

“电工学”课程教学改革探析

"电工学"是为非电类专业开设的一门实践性很强的技术基础课。本文从"电工学"教学内容、教学方法和实验教学等多个方面,结合我校"电工学"精品课程的建设,从培养"知识型、能力型、素质型"人才入手,提出了相应的改革方法与措施,取得了较好成效。     

人体上臂温度场模拟及其实现

本文根据王补宣教授等人提出的生物传热基本方程，构造了模拟人体上臂温度场的物理模型，并成功地对温度场进行了控制。这为准在体测量人体血液表观粘度提供了接近生理状态的温度环境。     

自适应控制在纳米加工微驱动器中的应用研究

为提高扫描隧道显微镜微驱动器的响应速度和定位精度,提出了一种基于自适应理论的控制方法。微驱动器采用压电陶瓷驱动,在分析其结构的基础上,建立了驱动器的简化运动模型,利用最小二乘法对驱动器参数进行了在线辨识。把自适应控制理论引入到微驱动器的控制中,在参数自校正PID控制律的作用下,实现了PID控制器参数的自动整定。采用专用的压电陶瓷驱动电源,进行了位移的测试实验。结果表明,参考位移量为12.39μm时,相对于传统PID控制,动态响应时间由3 s缩短到1.4 s,稳态位移误差由3.2%减小到2.7%。     

扫描隧道显微镜微位移工作台的 神经网络PID控制方法研究

提出了一种基于神经网络理论的微位移工作台控制方案。该工作台以压电陶瓷作为微位移驱动元件,对伺服电机大位移进行位移补偿。分析了压电陶瓷微位移驱动器的原理,建立了工作台的数学模型。神经网络PID控制器对工作台进行闭环控制,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PID控制器的控制系数,减小工作台的位移误差。采用专用的压电陶瓷驱动电源对工作台的位移进行了实验,相对于常规PID控制器,微位移为11.41 μm时的响应时间从1.5 s缩短到1 s,稳态位移误差从3.13％减小到1.05％,工作台的稳定性和定位精度得以提高,改善了扫描隧道显微镜的工作性能。