Los actuadores piezoeléctricos (Piezoelectric Actuators, PEA), debido a su alta resolución y rápida respuesta, tienen una amplia aplicación en los campos del posicionamiento micro-nano y la fabricación de precisión. Sin embargo, su histéresis no lineal inherente limita gravemente la precisión del control del sistema, convirtiéndose en un cuello de botella para el control de alto rendimiento. Ante la capacidad limitada del modelo clásico de Prandtl–Ishlinskii (P-I) para describir fenómenos complejos de histéresis no lineal, este artículo propone un método de modelado P-I mejorado mediante una red neuronal multicapa. Este método mantiene la reversibilidad y la interpretabilidad física del modelo original, utilizando los pesos del operador Play mapeados por un mapeo no lineal de la red neuronal, e introduce una estrategia de regularización bayesiana para optimizar el proceso de entrenamiento, logrando una mejor capacidad de ajuste no lineal y generalización. Además, se construyó un modelo inverso y un controlador de avance, y se llevaron a cabo experimentos en tiempo real. Los resultados experimentales muestran que, con entradas de onda triangular, sinusoidal y mixta, el error cuadrático medio normalizado de las diferentes trayectorias con compensación por retroalimentación disminuyó a 0.65%, 0.76% y 1.82% respectivamente, lo que representa una reducción significativa en comparación con el modelo clásico P-I y los modelos mejorados polinómicos. El modelo demuestra una buena robustez bajo diversas condiciones de entrada y tiene una buena aplicabilidad en ingeniería para la modelización de histéresis compleja y el control de alta precisión.

actuadores piezoeléctricos;modelado no lineal;red neuronal multicapa;compensación de histéresis