压电工作台微定位系统建模与控制技术
摘要 | 第1-14页 |
ABSTRACT | 第14-17页 |
缩略词注释表 | 第17-18页 |
第一章 绪论 | 第18-32页 |
·压电工作台微定位系统及其应用 | 第18-22页 |
·扫描探针显微镜中的应用 | 第18-21页 |
·电子束液态曝光中的应用 | 第21-22页 |
·压电工作台的建模与控制 | 第22-29页 |
·压电工作台的数学模型 | 第23页 |
·压电工作台的控制技术 | 第23-29页 |
·本论文研究内容 | 第29-32页 |
·论文的研究目的和意义 | 第29-30页 |
·论文的主要工作与创新点 | 第30-31页 |
·论文的内容安排 | 第31-32页 |
第二章 压电工作台微定位系统的实验搭建与特性分析 | 第32-50页 |
·压电工作台 | 第32-38页 |
·压电陶瓷叠堆驱动器 | 第33-36页 |
·柔性铰链支承 | 第36-38页 |
·压电工作台的典型特性 | 第38页 |
·专用驱动电源 | 第38-42页 |
·驱动电源总体方案设计 | 第38-39页 |
·放大电路设计 | 第39-41页 |
·高压稳压电路设计 | 第41-42页 |
·实验系统搭建与测试 | 第42-48页 |
·压电工作台微定位系统搭建 | 第42-43页 |
·压电工作台的性能测试 | 第43-48页 |
·本章小结 | 第48-50页 |
第三章 压电工作台的动态迟滞模型 | 第50-72页 |
·压电工作台的典型模型 | 第50-55页 |
·压电工作台的迟滞模型 | 第51-54页 |
·压电工作台的线性动态模型 | 第54-55页 |
·压电工作台的串接模型 | 第55页 |
·压电工作台的动态迟滞模型 | 第55-58页 |
·动态迟滞模型 | 第56-57页 |
·动态迟滞模型结构方程的参数辨识途径 | 第57-58页 |
·基于PI迟滞算子的动态迟滞模型 | 第58-61页 |
·实验研究 | 第61-70页 |
·实验建模 | 第61-65页 |
·动态迟滞模型验证与分析 | 第65-70页 |
·本章小结 | 第70-72页 |
第四章 压电工作台的前馈与复合控制方案 | 第72-84页 |
·基于逆模型的前馈控制方案 | 第73-77页 |
·迟滞逆模型前馈控制器设计 | 第73页 |
·动态迟滞逆模型前馈控制器设计 | 第73-74页 |
·实验与分析 | 第74-77页 |
·基于动态迟滞逆模型的复合控制方案 | 第77-82页 |
·方案设计 | 第77-78页 |
·反馈控制设计—神经元PID控制 | 第78-81页 |
·实验与分析 | 第81-82页 |
·本章小结 | 第82-84页 |
第五章 压电工作台的迟滞补偿控制方案 | 第84-100页 |
·基于动态迟滞模型的迟滞补偿自适应控制方案 | 第85-91页 |
·方案设计 | 第85页 |
·反馈控制设计—自校正PID控制 | 第85-90页 |
·实验与分析 | 第90-91页 |
·基于动态迟滞模型的迟滞补偿滑模控制方案 | 第91-98页 |
·方案设计 | 第91-92页 |
·反馈控制设计—滑模控制 | 第92-97页 |
·实验与分析 | 第97-98页 |
·本章小结 | 第98-100页 |
第六章 压电工作台的神经网络辨识与控制 | 第100-122页 |
·人工神经网络理论与应用介绍 | 第101-108页 |
·人工神经网络理论 | 第101-107页 |
·人工神经网络辨识与控制 | 第107-108页 |
·压电工作台基于神经网络的自适应控制方案 | 第108-117页 |
·方案设计 | 第108-109页 |
·压电工作台基于神经网络的在线辨识模型 | 第109-115页 |
·压电工作台基于神经网络的PID控制器 | 第115-117页 |
·实验与分析 | 第117-120页 |
·神经网络模型的离线训练 | 第117-119页 |
·神经网络PID控制器控制性能验证与分析 | 第119-120页 |
·本章小结 | 第120-122页 |
第七章 结论 | 第122-124页 |
参考文献 | 第124-138页 |
攻读博士学位期间完成的论文及参加的科研工作 | 第138-140页 |
致谢 | 第140-141页 |
附录 | 第141-152页 |
学位论文评阅及答辩情况表 | 第152页 |