압전 액추에이터(Piezoelectric Actuators, PEA)는 높은 해상도와 빠른 응답 속도로 인해 마이크로·나노 위치 제어 및 정밀 제조 분야에서 널리 사용되고 있다. 하지만 고유의 히스테리시스 비선형성으로 인해 시스템 제어 정밀도가 심각하게 제한되어 고성능 제어의 병목 현상이 되고 있다. 고전적인 Prandtl–Ishlinskii(P-I) 모델의 표현 능력이 제한적이고 복잡한 비선형 히스테리시스 현상을 묘사하기 어려운 문제를 해결하기 위해 본 논문에서는 다층 신경망으로 개선된 P-I 모델링 방법을 제안한다. 이 방법은 원래 모델의 가역성과 물리적 해석 가능성을 유지하면서 신경망의 비선형 매핑을 통해 Play 연산자의 가중치를 활용하고, 베이지안 정규화 전략을 도입하여 학습 과정을 최적화함으로써 더욱 강력한 비선형 적합 및 일반화 능력을 실현한다. 역 모델 기반의 피드포워드 제어기를 구축하고 실시간 실험 검증을 수행하였다. 실험 결과 삼각파, 사인파 및 혼합파 입력 조건에서 모델의 피드포워드 보상 후 다양한 궤적의 정규화된 평균 제곱근 오차가 각각 0.65%, 0.76%, 1.82%로 감소하였으며, 이는 고전적 P-I 및 다항식 개선 모델 대비 오차가 현저히 감소한 수치이다. 다양한 입력 조건에서 견고성을 보이며 복잡한 히스테리시스 모델링 및 고정밀 제어에서 우수한 공학적 적용 가능성을 갖는다.

압전 액추에이터;비선형 모델링;다층 신경망;히스테리시스 보상