纳米定位微位移工作台的控制技术研究

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0.1～0.5μm的超微细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)由于束径细、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

论文目录

• 摘要
• ABSTRACT
• 缩略词注释表
• 第一章 绪论
• 1.1 微机电系统和微细加工技术
• 1.1.1 微机电系统
• 1.1.2 微细加工技术
• 1.1.3 纳米技术及其发展
• 1.2 微位移工作台
• 1.2.1 微位移机构
• 1.2.2 微位移测量装置
• 1.2.3 微位移工作台的控制系统
• 1.3 本论文研究内容和体系
• 1.3.1 论文研究的目的和意义
• 1.3.2 论文的主要工作与技术创新点
• 1.3.3 论文的内容体系
• 第二章 微位移工作台的结构设计和分析
• 2.1 压电陶瓷驱动器
• 2.1.1 电畴理论
• 2.1.2 压电/电致伸缩效应
• 2.1.3 压电陶瓷驱动器的典型结构
• 2.1.4 压电陶瓷驱动器的特性
• 2.2 柔性铰链
• 2.2.1 柔性铰链的种类和特点
• 2.2.2 柔性铰链的力学模型和解析法分析
• 2.2.3 柔性铰链的精度分析
• 2.2.4 微位移驱动器和柔性铰链的机电耦合特性
• 2.3 微位移传感器
• 2.4 微位移工作台的实验设计和分析
• 2.4.1 工作平台的设计和选择
• 2.4.2 微位移工作台的特性和分析
• 2.5 本章小结
• 第三章 微位移工作台的神经网络辨识方法和应用
• 3.1 系统辨识基本概念
• 3.1.1 数学模型建立方法
• 3.1.2 辨识的定义
• 3.1.3 辨识原理
• 3.1.4 误差准则
• 3.1.5 辨识的主要步骤
• 3.2 神经网络理论
• 3.2.1 人工神经元模型
• 3.2.2 神经网络的分类和拓扑结构
• 3.2.3 神经网络的学习规则
• 3.2.4 神经网络的特性
• 3.3 神经网络辨识理论
• 3.3.1 神经网络辨识结构
• 3.3.2 神经网络辨识的可行性
• 3.3.3 神经网络辨识的收敛性
• 3.3.4 神经网络辨识的特点
• 3.4 微位移工作台的神经网络辨识
• 3.4.1 前馈静态BP网络辨识方法
• 3.4.2 BP静态前馈网络用于微位移工作台的辨识
• 3.4.3 结果与分析
• 3.5 本章小结
• 第四章 微位移工作台的神经网络自适应控制
• 4.1 传统PID控制
• 4.1.1 传统 PID控制器原理
• 4.1.2 传统 PID控制器的算法
• 4.2 自适应 PID控制
• 4.2.1 自适应控制的概念
• 4.2.2 自适应控制系统的主要类型
• 4.2.3 参数自校正 PID控制器
• 4.3 神经网络自适应控制
• 4.3.1 神经网络自适应控制方法
• 4.3.2 基于静态 BP网络的自适应 PID控制
• 4.3.3 基于动态递归神经网络的自适应 PID控制
• 4.4 实验与分析
• 4.4.1 参数自校正 PID控制
• 4.4.2 基于静态 BP网络的自校正PID控制
• 4.4.3 基于动态递归神经网络的自适应 PID控制
• 4.4.4 实验结果分析
• 4.5 本章小结
• 第五章 基于遗传算法的微位移工作台控制技术
• 5.1 遗传算法理论
• 5.1.1 遗传算法的基本概念和基本操作
• 5.1.2 遗传算法的理论基础
• 5.1.3 基本遗传算法
• 5.1.4 遗传算法的实现方法和步骤
• 5.1.5 遗传算法的特点
• 5.2 神经网络的遗传算法优化
• 5.2.1 神经网络结构的优化
• 5.2.2 神经网络权值的优化
• 5.2.3 神经网络学习规则的优化
• 5.2.4 神经网络结构和权值的同时优化
• 5.3 微位移工作台的遗传神经网络建模与控制
• 5.3.1 微位移工作台的遗传神经网络建模方法
• 5.3.2 结果与分析
• 5.3.3 微位移工作台的遗传神经网络控制方法
• 5.3.4 结果与分析
• 5.4 本章小结
• 第六章 结论
• 参考文献
• 致谢
• 攻读博士学位期间完成的论文及参加的科研工作
• 学位论文评阅及答辩情况表