Пьезоэлектрические исполнительные механизмы (Piezoelectric Actuators, PEA) широко используются в микронано-позиционировании и точном производстве благодаря высокому разрешению и быстрой реакции. Однако их присущая гистерезисная нелинейность значительно ограничивает точность управления системой, являясь узким местом для высокопроизводительного управления. В связи с ограниченной выразительной способностью классической модели Прандтля–Ишлинского (P-I) и сложностями в описании сложных нелинейных гистерезисных явлений в данной работе предлагается метод моделирования P-I на основе многослойной нейронной сети. Данный метод сохраняет обратимость и физическую интерпретируемость исходной модели, используя нелинейное отображение весов оператора Play через нейронную сеть, а также вводит байесовскую регуляризацию для оптимизации процесса обучения, тем самым достигая более сильной нелинейной аппроксимации и способности к обобщению. Построена обратная модель для прямого управления и проведены эксперименты в реальном времени. Результаты экспериментов показывают, что при трехугольном, синусоидальном и смешанном входах нормализованная среднеквадратичная ошибка компенсации для различных траекторий снижается до 0,65%, 0,76% и 1,82% соответственно, что значительно лучше классических моделей P-I и многочленных улучшенных моделей. Модель демонстрирует хорошую устойчивость при различных входных условиях и обладает высокой инженерной применимостью для сложного моделирования гистерезиса и высокоточного управления.

Пьезоэлектрический исполнительный механизм;Нелинейное моделирование;Многослойная нейронная сеть;Компенсация гистерезиса