为提高压电陶瓷驱动的微定位工作台的模型精度，提出了一种基于动态递归神经网络的建模方法。压电陶瓷具有极高的位移分辨率，但存在着迟滞非线性。分析了压电陶瓷驱动器的结构和特性，利用动态神经网络的自反馈结构和自学习能力，建立起工作台的网络模型，通过在线调整模型结构和参数，减小了工作台的建模误差。测量工作台的定位数据对网络模型进行了训练，实验结果表明，当工作台最大行程为80μm时，平均定位误差0．07μm，最大误差0．09μm，比采用静态网络模型有了一定的提高。

提出了一种基于神经网络理论的微位移工作台控制方案。该工作台以压电陶瓷作为微位移驱动元件，对伺服电机大位移进行位移补偿。分析了压电陶瓷微位移驱动器的原理，建立了工作台的数学模型。神经网络PID控制器对工作台进行闭环控制，利用BP网络的自学习和自适应能力，实时调整网络加权值，改变PID控制器的控制系数．减小工作台的位移误差。采用专用的压电陶瓷驱动电源对工作台的位移进行了实验，相对于常规PID控制器，微位移为11．41μm时的响应时间从1．5s缩短到1s，稳态位移误差从3．13％减小到1．05％，工作台的稳定性和定位精度得以提高．改善了扫描隧道显微镜的工作性能。

论述了亚微米精度工作台动态重复精度测量的新原理及方法．其精度达±０．０２～±０．０８μｍ．

介绍了自动扫描磨粒形态分析仪运动系统的设计、关键技术的解决途径及制造过程中的关键工艺问题的研究成果．

讨论了三维精密移动工作台的设计基本原理、总体设计和结构设计方法，并对其进行了精度分析。

研制了一种六维宏微位移可控精密工作台.设计中采用粗精分离的原则,有利于提高工作台的精度,并减小了研制难度.宏位移使用精密燕尾导轨结构.微定位系统使用了压电陶瓷驱动器、柔性铰链和计算机控制,使系统具有极高精度的补偿定位能力.该工作台可在100mm范围内运动,平移分辨力为0.05(m,转动分辨力为0.3″.