在原子力显微镜(atomic force microscope,AFM)扫描样品时,控制参数调节困难,依赖于操作经验.本文基于在线动态模型辨识,提出了一种AFM系统广义预测自校正控制与成像方法.首先,利用CARIMA(controlled autoregressive and moving-average)参数模型来描述局部线性化后的AFM系统模型,并通过在线动态模型辨识得到线性化模型的参数;基于该模型,采用基于GPC(generalized predictive control)的优化方法,在线求解类PI(proportional integral)控制器的参数,进而得到一种具有控制参数自动调整功能的AFM成像方法.为了验证本文方法的有效性,进行了仿真与实验测试.结果表明,在AFM扫描速度不同或PI参数选择不恰当的情况下,该方法能够自动地调整控制器参数,从而减小控制误差,提高成像精度.