Os atuadores piezoelétricos (Piezoelectric Actuators, PEA), devido à sua alta resolução e resposta rápida, possuem ampla aplicação em posicionamento micro-nano e fabricação de precisão. Contudo, sua histerese não linear inerente limita seriamente a precisão do controle do sistema, tornando-se um gargalo para controle de alto desempenho. Considerando a capacidade limitada do modelo clássico de Prandtl–Ishlinskii (P-I) para representar fenômenos complexos de histerese não linear, este trabalho propõe um método de modelagem P-I aprimorado baseado em rede neural multicamada. Este método mantém a reversibilidade e interpretabilidade física do modelo original, utiliza o mapeamento não linear dos pesos do operador Play através da rede neural, e introduz uma estratégia de regularização bayesiana para otimizar o processo de treinamento, alcançando assim maior capacidade de ajuste não linear e generalização. Foi construído um modelo inverso para o controlador feedforward e realizados experimentos em tempo real. Os resultados experimentais mostram que, sob entradas de onda triangular, senoidal e mista, o erro quadrático médio normalizado das trajetórias compensadas por feedforward reduziu-se para 0,65%, 0,76% e 1,82%, respectivamente, havendo uma redução significativa do erro em comparação com os modelos clássicos P-I e os modelos aprimorados polinomiais. Apresenta boa robustez sob diversas condições de entrada e possui boa aplicabilidade prática na modelagem de histerese complexa e controle de alta precisão.

Atuador piezoelétrico;Modelagem não linear;Rede neural multicamada;Compensação de histerese