原子力显微镜从研发之初至今作为纳米领域重要的研究工具之一,始终起着举足轻重的作用。目前商用的AFM控制系统一般采用PID控制算法实现对压电陶瓷驱动器的精密控制。但是压电陶瓷具有复杂的非线性特性,简单的PID控制器难以实现对压电陶瓷驱动器的精密控制,不仅影响原子力显微镜的扫描速度,也影响其测试精度。因此许多团队通过改进压电陶瓷驱动器及控制算法来优化原子力显微镜系统。相比改进压电陶瓷而言优化控制器算法具有成本低,适用性广等优点。本文针对目前原子力显微镜的发展现状,进一步做了总结分析,针对常规的PID算法以及BP神经网络的不足,分别做出了相应的改进,并将两者相结合从而得到更加智能化的控制方法。引入BP神经网络之后的智能控制算法可以体现出参数自学习、自整定以及自适应的优势,应用于原子力显微镜控制系统中可以使AFM获得自学习的能力,从而增强其系统的实时性以及精确性。通过对压电陶瓷的精密控制可使得扫描所得图像质量更好,且可使系统具有更强的鲁棒性。AFM的仿真系统可以为其研究提供方便快捷的第一手资料,对于该方面的研究也是微纳领域的一个重点研究方向。构建了AFM仿真平台,分析了其基本工作原理和系统中执行机构的非线性以及时变性,用Simulink结合S函数实现了AFM在接触以及轻敲两种工作模式下的过程仿真,分析并模拟样品表面形貌信号,在该平台上对结合BP神经网络的改进PID算法进行了验证。