圧電アクチュエータ（Piezoelectric Actuators, PEA）は、高分解能かつ高速応答の利点により、マイクロ・ナノ位置決めや精密製造などの分野で広く応用されている。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精度を著しく制約し、高性能制御のボトルネックとなっている。従来のPrandtl–Ishlinskii（P-I）モデルは表現能力が限られており、複雑な非線形ヒステリシス現象の記述が困難であるため、本論文では多層ニューラルネットワークによる改良型P-Iモデリング手法を提案する。本手法は元の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写像を用いてPlay作用素の重みを学習し、ベイズ正則化戦略を導入して訓練プロセスを最適化することで、より強力な非線形近似能力と一般化能力を実現する。逆モデルを用いたフィードフォワード制御器を構築し、リアルタイム実験検証を行った。実験結果は、三角波・正弦波・混合波入力下で、モデルのフィードフォワード補償により異なる軌跡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P-Iモデルや多項式改良モデルと比較して誤差が大幅に減少したことを示している。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有している。

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