| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-19页 |
| 1 绪论 | 第19-33页 |
| ·课题研究的背景和意义 | 第19-20页 |
| ·课题研究的背景和意义 | 第19页 |
| ·课题来源 | 第19-20页 |
| ·微机电系统与细胞工程 | 第20-21页 |
| ·课题国内外研究现状 | 第21-30页 |
| ·用于细胞操作的微机电系统及其结构分析 | 第21-25页 |
| ·适用于细胞操作的微操作台研究现状 | 第25-29页 |
| ·用于细胞操作的微操作台的特点 | 第29-30页 |
| ·课题研究的主要内容及技术方案 | 第30-33页 |
| ·主要研究内容 | 第30-31页 |
| ·技术方案 | 第31-33页 |
| 2 压电式生物细胞微操作台及其关键技术分析 | 第33-51页 |
| ·引言 | 第33-34页 |
| ·压电驱动器的迟滞特性及其驱动方式 | 第34-39页 |
| ·压电驱动器的迟滞特性 | 第34-37页 |
| ·压电驱动器迟滞曲线实验研究 | 第37-38页 |
| ·压电驱动器的驱动方法 | 第38-39页 |
| ·微操作台的结构设计 | 第39-45页 |
| ·柔性铰链的结构形式 | 第39-40页 |
| ·柔性位移放大机构 | 第40-43页 |
| ·柔性平行导向机构 | 第43-45页 |
| ·微操作台的迟滞建模技术 | 第45-50页 |
| ·微操作台Preisach 建模技术 | 第46-48页 |
| ·微操作台神经网络建模技术 | 第48-49页 |
| ·Preisach 模型框架下的微操作台神经网络建模技术 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 3 压电驱动器驱动电源及其驱动特性研究 | 第51-65页 |
| ·引言 | 第51页 |
| ·压电驱动器负载特性分析 | 第51-52页 |
| ·高压放大电路的设计 | 第52-60页 |
| ·高压放大电路的构成 | 第53-54页 |
| ·复合放大电路的基本形式 | 第54-55页 |
| ·校正控制器设计 | 第55-58页 |
| ·保护电路设计 | 第58页 |
| ·桥式驱动电路输出分析 | 第58-60页 |
| ·实验分析 | 第60-64页 |
| ·驱动电源静态性能测试 | 第61-62页 |
| ·桥式驱动电源性能测试 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 4 柔性大行程二维微操作台设计与分析 | 第65-87页 |
| ·引言 | 第65页 |
| ·柔性放大机构设计与分析 | 第65-73页 |
| ·桥式放大机构理论分析 | 第66-68页 |
| ·桥式放大机构整体刚度分析 | 第68-69页 |
| ·桥式放大机构有限元分析 | 第69-73页 |
| ·平行导向机构设计与分析 | 第73-79页 |
| ·U 型平行导向机构输出位移计算模型 | 第73-76页 |
| ·导向机构刚度分析 | 第76-77页 |
| ·平行导向机构有限元分析 | 第77-79页 |
| ·大行程二维微操作台建模分析 | 第79-86页 |
| ·静力学分析 | 第80页 |
| ·动力学分析 | 第80-86页 |
| ·本章小结 | 第86-87页 |
| 5 微操作台神经网络辨识方法的研究 | 第87-105页 |
| ·引言 | 第87页 |
| ·神经网络辨识理论研究 | 第87-94页 |
| ·神经网络模型 | 第88-90页 |
| ·神经网络辨识中常用的结构和训练算法 | 第90-94页 |
| ·微操作台的迟滞多环非线性系统模型 | 第94-99页 |
| ·微操作台迟滞特性的描述 | 第94-96页 |
| ·微操作台迟滞非线性动态模型 | 第96-97页 |
| ·基于BP 神经网络的微操作台迟滞非线性辨识模型 | 第97-99页 |
| ·微操作台迟滞非线性特性实验研究 | 第99-103页 |
| ·实验方案 | 第99页 |
| ·Preisach 模型研究 | 第99-100页 |
| ·微操作台迟滞非线性神经网络辨识 | 第100-103页 |
| ·本章小结 | 第103-105页 |
| 6 微操作台的控制策略研究 | 第105-119页 |
| ·引言 | 第105页 |
| ·微操作台的系统构成及测试方案 | 第105-107页 |
| ·微操作台控制特性实验研究 | 第107-110页 |
| ·微操作台的动力学模型 | 第107-108页 |
| ·微操作台的控制特性研究 | 第108-110页 |
| ·基于神经网络模型的微操作台控制策略研究 | 第110-118页 |
| ·开环控制策略 | 第110-112页 |
| ·传统PID 控制 | 第112-115页 |
| ·基于神经网络的自适应PID 控制 | 第115-118页 |
| ·本章小结 | 第118-119页 |
| 7 总结与展望 | 第119-123页 |
| ·主要结论 | 第119-120页 |
| ·研究展望 | 第120-121页 |
| ·主要创新点 | 第121-123页 |
| 参考文献 | 第123-132页 |
| 作者简历 | 第132-135页 |
| 学位论文数据集 | 第135页 |