圧電アクチュエータ（Piezoelectric Actuators、PEA）は、高分解能と高速応答の利点から、マイクロナノポジショニングや精密加工などの分野で広く応用されています。しかし、その固有のヒステリシス非線形性はシステム制御の精度を著しく制限し、高性能制御のボトルネックとなっています。従来のクラシックなPrandtl–Ishlinskii（P-I）モデルは複雑な非線形ヒステリシス現象の表現能力に限界があるため、本論文では多層ニューラルネットワークを用いた改良型P-Iモデリング手法を提案します。本手法は原モデルの可逆性と物理的解釈性を保持し、ニューラルネットワークの非線形マッピングを利用してPlay演算子の重みを学習し、ベイズ正則化戦略を導入して学習過程を最適化することで、より強力な非線形フィッティングと一般化能力を実現します。さらに、逆モデルの構築およびフィードフォワード制御器の開発とリアルタイム実験検証を行いました。実験結果により、三角波、正弦波および混合波入力条件下で、モデルのフィードフォワード補償による各軌道の正規化二乗平均平方根誤差がそれぞれ0.65%、0.76%、1.82%まで低減し、従来のクラシックP-Iモデルおよび多項式改良モデルと比較して誤差が大幅に減少することが示されました。様々な入力条件下で良好なロバスト性を示し、複雑なヒステリシスモデリングおよび高精度制御において優れた工学的適用性を持っています。

圧電アクチュエータ;非線形モデリング;多層ニューラルネットワーク;ヒステリシス補償