| Título: | Controle adaptativo de microscópio de varredura por tunelamento |
| Autor(es): | Camargo, Victor Eduardo Ramos |
| Orientador(es): | Batistuta, Marcus Vinicius |
| Assunto: | Redes neurais (Computação)
Controlador adaptativo
Microscopia |
| Data de apresentação: | 30-Out-2023 |
| Data de publicação: | 19-Jun-2024 |
| Referência: | CAMARGO, Victor Eduardo Ramos. Controle adaptativo de microscópio de varredura por tunelamento. 2023. 88 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Eletrônica) — Universidade de Brasília, Brasília, 2023. |
| Resumo: | O Microscópio de Varredura por Tunelamento - STM, é um equipamento de microscopia
de alta resolução que permite a visualização da topografia e das propriedades eletrônicas
de diversos materiais em escalas atômicas, por meio do uso de um fenômeno da mecânica
quântica conhecido como corrente de tunelamento.
Este estudo tem como objetivo avaliar cinco abordagens de controle adaptativo e uma
abordagem de controle clássico, para o controle da distância entre a ponta de prova e a
amostra em um STM. Essas abordagens de controle incluem: PID Clássico, Adaptativo
com Redes Neurais Feedforward com Aproximação Estática do Gradiente, Adaptativo
com Redes Neurais Feedforward com Identificador da Planta, PID Adaptativo com Apro ximação Estática do Gradiente, PID Adaptativo com Algoritmo LMS e Identificador da
Planta, IIR Adaptativo com Algoritmo LMS Recursivo e Identificador da Planta.
Inicialmente, foi desenvolvido, sobre o sistema operacional Windows, utilizando a lin guagem de programação Python, juntamente com as bibliotecas Numpy e PyTorch, um
ambiente de simulação da corrente de tunelamento do STM, que inclui a dinâmica his terética da ponta de prova do STM e os sistemas de controle adaptativos. Os modelos
propostos foram examinados em termos do tempo de resposta e das convergências dos
erros de controle, dos controladores e dos seus parâmetros intrínsecos. |
| Abstract: | The Scanning Tunneling Microscope (STM) is a high-resolution microscopy equipment
that image the topography and electronic properties of various materials at atomic scales,
through the use of a quantum mechanics phenomenon known as tunneling current.
This study aims to evaluate five adaptive control approaches and one classic control ap proach for controlling the tip-sample distance in an STM. These control approaches are:
Classic PID, Adaptive with Feedforward Neural Networks and Static Gradient Approxi mation, Adaptive with Feedforward Neural Networks and Plant Identifier, Adaptive PID
with Static Gradient Approximation, Adaptive PID with LMS Algorithm and Plant Iden tifier, Adaptive IIR with Recursive LMS Algorithm and Plant Identifier.
Initially, a simulation environment for the STM’s tunneling current was developed on
Windows operating system, using Python programming language, along with the Numpy
and PyTorch libraries. The simulation environment includes the hysteretic dynamics of the
STM’s probe tip and the control systems. The proposed models were examined in terms
of response time and the convergence of control errors, controllers, and their intrinsic
parameters. |
| Informações adicionais: | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, 2023. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia Eletrônica
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
