多层神经网络改进Prandtl-Ishlinskii模型构建与压电迟滞补偿

压电作动器（Piezoelectric Actuators， PEA）因其高分辨率与快速响应优势，在微纳定位与精密制造等领域具有广泛应用。但其固有的迟滞非线性严重制约了系统控制精度，成为高性能控制的瓶颈。针对经典Prandtl–Ishlinskii（P-I）模型表达能力有限，难以刻画复杂的非线性迟滞现象，本文提出一种多层神经网络改进型的 P-I 建模方法。该方法保持原模型的可逆性与物理可解释性，利用神经网络非线性映射 Play 算子权重，引入贝叶斯正则化策略优化训练过程，从而实现更强的非线性拟合和泛化能力，并构建逆模型前馈控制器并开展实时实验验证。实验结果表明，在三角波、正弦波及混合波输入下，模型的前馈补偿下不同轨迹的归一化均方根误差分别降至0.65%，0.76%，1.82%，相较于经典 P-I 与多项式改进模型误差下降明显。在多种输入条件下展现出良好的鲁棒性，在复杂迟滞建模与高精度控制中具备良好的工程适用性。