No campo da visão microscópica, a tecnologia de posicionamento acionada por piezoelétrico tem recebido atenção devido à sua alta precisão e flexibilidade em escala microscópica. No entanto, devido aos atrasos relacionados ao processamento, transmissão e controle de imagens durante o processo de posicionamento, a estimativa da matriz jacobiana da imagem pode apresentar grandes erros. Portanto, este artigo propõe um algoritmo melhorado de filtro de Kalman estendido para prever a matriz jacobiana da imagem, reduzindo significativamente os efeitos do atraso temporal. Primeiramente, o modelo Bouc-Wen identificado é combinado com a equação de observação do estado do filtro de Kalman estendido, permitindo que a equação de observação do estado considere mais completamente as características não lineares de histerese da plataforma piezoelétrica, melhorando efetivamente a previsão da velocidade e posição; em segundo lugar, o algoritmo do filtro de Kalman estendido baseado no modelo Bouc-Wen utiliza séries de Taylor para lidar com problemas não lineares, o que pode causar uma má aproximação para funções altamente não lineares, resultando em grandes erros de aproximação na estimativa da matriz jacobiana. Portanto, este artigo utilizará redes neurais para aproximar funções altamente não lineares e, assim, estimar a matriz jacobiana da imagem. Finalmente, ao construir uma plataforma experimental de acionamento piezoelétrico para visão microscópica, foram realizados experimentos de rastreamento de posição. As simulações mostram que o algoritmo melhorado apresenta erros médios de rastreamento de 0,199 μm e 0,132 μm para sinais senoidais e triangulares, respectivamente, enquanto o filtro de Kalman estendido apresenta erros médios de 0,692 μm e 0,513 μm, validando a superioridade e viabilidade do algoritmo melhorado.

filtro de Kalman estendido; equação altamente não linear; matriz jacobiana da imagem; visão microscópica; acionamento piezoelétrico