超磁致伸缩执行器(GMA)以其材料的快速响应速度和超大的磁致伸缩系数,在微米级和亚微米级进给装置中有着优越的表现。但GMA的固有磁滞非线性,为实现对超磁致伸缩执行器的精确控制提出了难题。为提高控制精度,达到动态性能好,自适应能力强等控制指标,文中完成了在建立了GMA神经网络模型的基础上,对执行器的控制算法的深入研究。本文以模型参考自适应控制(MRAC)为核心,文章首先对神经网络模型参考自适应控制进行了研究,同时该算法进行了位置跟踪实验、轨迹跟踪试验和复杂轨迹跟踪实验。实验结果表明,神经网络模型参考自适应控制在一定程度上实现了对超磁致伸缩执行器的动态、精确控制,但还存在自适应能力不好,动态性能和控制精度不高的问题。针对神经网络模型参考自适应控制中存在的问题,文中提出了单神经元PID模型参考自适应控制,通过位置跟踪实验、轨迹跟踪实验和复杂轨迹跟踪实验,可以看出该改进算法能很好的解决神经网络模型参考自适应控制中存在的动态特性较差,控制精度相对较低的问题,同时文中还验证单神经元PID具有很强自适应能力,可以实现在线控制。另一方面,在学习GMA的驱动电源的基础上,对驱动电源的保护电路进行了优化,初步计算出了执行器的重要机械尺寸。通过对执行器的建模和控制算法的研究,以TMS320LF2812为核心进行了控制器的硬件设计和软件调试。