تتمتع المشغلات الكهروضغاطية (Piezoelectric Actuators، PEA) بتطبيقات واسعة في مجالات التموضع الميكرو-نانو والتصنيع الدقيق بفضل دقتها العالية واستجابتها السريعة. لكن ظاهرة التباطؤ غير الخطية المتأصلة بها تقيد بشكل كبير دقة التحكم في النظام، مما يشكل عائقًا أمام التحكم عالي الأداء. استجابةً للقدرات المحدودة لنموذج براندتل-إشلينسكي الكلاسيكي (Prandtl–Ishlinskii, P-I) في تمثيل الظواهر غير الخطية المعقدة للتباطؤ، يقترح هذا البحث طريقة بناء نموذج P-I محسنة باستخدام شبكة عصبية متعددة الطبقات. تحافظ هذه الطريقة على قابلية عكسية النموذج الأصلي وقابليته للتفسير الفيزيائي، حيث تستخدم أوزان مشغل Play المرسومة عبر تحويل غير خطي بواسطة الشبكة العصبية، وتُدخل استراتيجية التنظيم البايزي لتحسين عملية التدريب، بما يمكِّن من تحقيق تمثيل غير خطي أفضل وقدرة تعميم أعلى. كما يتم بناء نموذج عكسي ومتحكم تقديمي معتمد عليه وإجراء تجارب حية للتحقق. تظهر النتائج التجريبية أنه تحت إدخالات موجات مثلثية، وجيبية، ومختلطة، ينخفض متوسط الجذر التربيعي المُطبَّع للخطأ في النمذجة المتقدمة إلى 0.65%، 0.76%، و1.82% على التوالي، بتحسن ملحوظ مقارنةً بالنموذج الكلاسيكي P-I والنماذج المحسنة متعددة الحدود. ويظهر النموذج متانة كبيرة تحت ظروف إدخال مختلفة، مما يجعله مناسبًا للهندسة في نمذجة التباطؤ المعقدة والتحكم عالي الدقة.

مشغلات كهروضغاطية;نمذجة غير خطية;شبكة عصبية متعددة الطبقات;تعويض التباطؤ