多自由度高速大范围纳米定位控制技术及其在基于探针高频振动的硬材料纳米加工中的应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61673091
  • 项目类别:
    面上项目
  • 资助金额:
    60.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0302.控制系统与应用
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

As an enabling tool in nanotechnology and nanosciences, scanning probe microscope (SPM) has also being explored as a low-cost and highly versatile means for probe-based nanomanufacturing(PBN). SPM-based PBN, however, is currently limited by two major challenges: low throughout and poor fabrication quality control. Motivated by these challenges that cannot be resolved solely through hardware improvements, this project aims to exploit ultrasonic-probe-vibration of the probe to enable direct nanofabrication and nano-patterning on hard materials including metals, and create advanced control techniques to achieve high-speed, high-quality PBN. The proposed control approach comprises optimal path planning of the probe, high-speed nanopositioning and control over large displacement range, implementation in nanofabrication on silicon and hard metal (e.g., aluminum and tungsten) material through experiments,and study of the mechanism behind the interaction between the ultrasonic-vibration probe and the sample. This project will address the challenging problems of multi-objective optimal path planning and path following control that accounts for not only the input amplitude and energy constraints, but also the non-periodic tracking-transition switching of non-minimum phase systems that occurs in applications such as PBN, tele-operations, and robotic manipulations. The proposed control techniques will not only avoid post-transition oscillations during the tracking-transition switchings, but also account for the hysteresis-dynamics coupling of piezo actuators. The outcome of this research will not only enable and lift SPM for high-throughput hard material PBN, but also generate a broad impact on a wide variety of precision control applications, including tele-operatoin, robotic manipulation, and additive advanced manufacturing.
扫描探针显微镜是纳米科技领域的重要仪器,也是纳米制造领域成本低、应用灵活的加工设备。然而,当前基于SPM的纳米加工技术面临加工速度慢、加工质量难以控制的瓶颈,而且这些问题无法单纯通过硬件的提升加以解决。本项目拟提出通过SPM探针的超声波高频振动来实现对硬材料的直接加工,并对其中的关键控制问题开展研究以实现高速高质量的纳米制造。主要研究内容包括探针的最优路径规划、大位移下高速纳米定位与控制、硅与硬金属(例如铝和钨)表面的纳米加工试验、高频探针与试品表面的作用机制等。预期获得既满足输入信号幅度与能量约束又满足非最小相位系统非周期信号跟踪要求的多目标路径规划方法、既能有效避免探针在轨迹跟踪移位切换处的振荡又能补偿压电驱动器磁滞耦合动态的精密定位与控制方法及其控制器硬件实现。这些研究成果不仅将促进SPM水平的提高,实现硬材料的快速纳米加工,而且有望应用于包括远端加工、机器人在内的其它精密控制领域。

结项摘要

本项目按研究计划开展了研究工作,取得了预期的研究成果,实现了各项研究目标。1)本项目研究成果已发表在学术期刊IEEE/ASME Transactions on Mechatronics(SCI 1区,IF:5.51)、Optik(SCI 3区,IF:2.187)等国内外精密仪器及控制技术领域的主要学术期刊及会议发表学术论文7篇,SCI收录3篇,EI收录4篇,在审论文3篇。参加包括美国控制会议(American Control Conference)在内的国内外控制领域主要学术会议3人次,发表论文3篇,被EI收录3篇;与国内外同行就精密运动控制问题进行了深入的学术交流与探讨。依托本项目研究成果,已申请专利5项,授权2项。依托本项目,已培养检测技术与自动化专业博士1名以及控制理论与控制工程专业硕士3名。.本项目主要完成的研究内容包括:1)提出了一种基于迭代学习前馈和反馈的高精度精密运动控制方法。该方法利用最佳的过渡轨迹设计方法来获得所需的轨迹,以实现快速的载物台过渡。2)提出了一种基于自适应神经网络压电多轴轨迹跟踪的控制执行器驱动的纳米操纵系统。最终通过实际纳米操作实验,结果证明了所提出控制的有效性。3)提出了一种基于近似模型的控制和基于神经网络的自适应控制方法,以解决压电驱动的纳米定位与运动控制问题。4)提出了一种基于自适应神经网络(NN)的固定时间状态反馈控制策略,在纳米操作过程中证明其具有良好的性能。本项目通过上述在纳米级制造中SPM探针运动路径规划、纳米级制造与微米级光刻中的精密定位控制技术、高带宽轨迹跟踪控制技术、控制器的硬件实现与控制器开发等方面的研究工作,解决了常规控制技术无法有效解决SPM纳米制造过程中的高速、大范围的精密控制、耦合振荡等关键问题,为满足高速、高质量纳米级加工控制器奠定了理论与工程实践基础;而且有望应用于包括远端加工、机器人在内的其它精密控制领域。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(5)
A Novel Linear CCD Variable Velocity Two-Dimensional Imaging Approach Based on Adaptive Image Segmentation
基于自适应图像分割的新型线性CCD变速二维成像方法
  • DOI:
    10.1109/tmech.2020.2975096
  • 发表时间:
    2020
  • 期刊:
    IEEE/ASME Transactions on Mechatronics
  • 影响因子:
    --
  • 作者:
    Chao Peng;Jianxiao Zou;Mingyao Liang;Zezhou Zhang;Hongbing Xu;Zhenzhen Zhang
  • 通讯作者:
    Zhenzhen Zhang
A high-speed exposure method for digital micromirror device based scanning maskless lithography system
一种基于数字微镜器件的扫描无掩模光刻系统的高速曝光方法
  • DOI:
    10.1016/j.ijleo.2019.04.009
  • 发表时间:
    2019
  • 期刊:
    Optik
  • 影响因子:
    3.1
  • 作者:
    Peng Chao;Zhang Zezhou;Zou Jianxiao;Chi Wenming
  • 通讯作者:
    Chi Wenming
Neural Networks-Based Learning Control for a Piezoelectric Nanopositioning System
基于神经网络的压电纳米定位系统学习控制
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    IEEE/ASME Transactions on Mechatronics
  • 影响因子:
    --
  • 作者:
    Linghuan Kong;Dan Li;Jianxiao Zou
  • 通讯作者:
    Jianxiao Zou
基于迭代学习控制的原子力显微镜成像
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    电子科技大学学报
  • 影响因子:
    --
  • 作者:
    李丹;邹见效
  • 通讯作者:
    邹见效

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码