纳米定位微位移工作台的控制技术研究

《纳米定位微位移工作台的控制技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学博士学位论文摘要随着微机电系统的快速发展，需要不断研究能够产生各种精细图形和微结构的加工技术。电子束曝光技术是目前公认的最好的高分辨率图形制作技术，主要用于0．1～0，5tim的超微缅加工和精密二维掩模制作，在实验室条件下已能将电子束聚焦成尺寸小于2nm的束斑。但是目前广泛使用的聚焦电子束由于加速电压高、电子散射距离长，光刻时高能电子束在对抗蚀剂的刻写过程中存在着邻近效应，使得实际曝光面积远大于设计图形尺寸，影响了曝光分辨率。扫描隧道显微技术(STM)由于柬径细、电子运动距离短，有效减轻了邻近效应的影响，能获得极细的刻蚀图形，可用于制作掩模，为微细加工技术提

2、供了一条新的途径。目前扫描隧道显微镜还没有偏转方面的研究．实现曝光只能通过工作台的移动来完成。机械位移方式由于存在着间隙、摩擦以及爬行现象等缺点，定位精度不够高，所以目前最适合于纳米级精度定位的工作台是由压电陶瓷驱动的，但是压电陶瓷材料本身所固有的迟滞非线性和蠕变特性，降低了工作台的定位精度和动态响应速度，造成了一定的位移误差。为了获得满足要求的运动精度和分辨率，需要研究压电陶瓷的迟滞非线性机理，设计相应的控制电路和控制策略。本文主要围绕微位移工作台的精确定位问题，借助于智能控制理论，对工作台的模型辨识和控制技术进行了较全面和较深入的研究，并在所建立的微位移平台上进

3、行了实验，验证了本文所提出方法的可行性。主要工作概括如下：1．在分析和比较目前各种微位移机构的基础上，建立了能够实现纳米级定位精度的微位移工作平台。压电陶瓷材料的尺寸小、位移分辨率高、响应速度快、而且易于控制，而柔性铰链不存在机械摩擦和间隙，具有运动灵敏度高和分辨率高的优点，因此成为本文工作台组成部件的首要选择。由压电陶瓷驱动、柔性铰链导向的微位移机构，与传统方式相比，不仅体现在能达到纳米级的定位精度上，而且易于采用相应的控制策略对其山东大学博士学位论文进行位移误差补偿a实验测试和性能分析表明，能够满足本文的技术要求：2．利用系统辨识技术和神经网络理论建立了工作台的

4、数学模型。在此前对工作台的驱动技术研究中，多采用基于模型的开环控制或传统闭环控制，它们都需要精确的数学模型。虽然Preisach、Maxwell等学者在深入分析压电陶瓷的内在机理、动力学特性的基础上，提出了许多种行之有效的建模方法，大幅度提高了压电驱动器的跟踪精度和定位精度，但是工作台本身是一种时变不确定系统，模型的建立总存在着一定的滞后，而且在工作过程中，存在着外部干扰、样品表面不同区域电特性的不同和功函数的不一致性，使得工作台的机械参数甚至模型结构都可能会发生变化，此时再采用传统建模方法，必然存在着较大的误差。人工神经网络能够以任意精度逼近非线性函数，具有自学习

5、、自组织、自适应的能力，通过权值系数和阈值的调整，能够建立与工作台实际系统较为接近的数学模型，从而提出了一种微位移工作台模型的在线建立和修正方法，为控制系统提供了更为准确的模型信息：3．提出了微位移工作台的自适应控制方法，改进了传统PID控制器的性能，提高了工作台的位移精度。传统PID控制器的系数过多地依靠人为整定，在自动控制中存在着一定的难度。把自适应技术用于工作台的控制，能够根据被控对象的结构参数，计算并更新控制器的系数，从而实现最优控制，减小工作台的位移误差：4．基于神经网络理论，提出了微位移工作台的神经网络自适应控制方法，改进了控制策略，提高了控制器的性能。

6、自适应控制是基于线性理论发展起来的，对于非线性系统不容易找到理想的控制器结构和稳定性分析依据。神经网络的出现恰好弥补了这一缺陷，神经网络控制器根据工作台的位移误差和辨识出的最新模型信息，直接按照自适应调节规律改变PID控制器的系数，既发挥了传统PID控制系统可靠性高、鲁棒性好的优点，又体现了神经网络的自学习和自组织特性。在实验室条件下，对控制系统进行了实验，结果表明控制效果有了显著的提高；5．提出了基于遗传算法的微位移工作台辨识方法，改善了神经网络辨识结构的性能。由于所采用的前向BP网络具有收敛速度慢和易于陷入Ⅱ山东大学博士学位论文局部极值点等缺点，所得到的模型结构

7、不一定是最优解，利用遗传算法庭好的全局搜索能力，为神经网络辨识结构确定出一个在网络结构和参数最优解附近的解空间，缩小了网络辨识的范围，再利用神经网络局部寻优能力强和逼近非线性函数的特性，找到全局最优解，建立与工作台实际系统更为接近的数学模型，结果表明最大误差减小到了55nm；6．设计了基于遗传算法的神经网络自适应PID控制算法，有效补偿了位移误差，进一步提高了微位移工作台的输出位移精度。由于所采用的BP算法对于网络的初始权值较为敏感，容易在定位工作的初始阶段出现较大的振荡和波动，可能会对加工设备和样品造成伤害。利用遗传算法良好的全局搜索能力，借助于辨识出的模型，