微纳米执行器是微纳米定位技术的核心元件,寻找性能优良的执行器材料对提高微纳米定位精度具有十分重要的意义。压电陶瓷是一种能使机械能量和电能量之间相互转换的智能执行器材料,它具有价格低、质量轻、频率响应快、位移精度高、驱动力大等优越点,近些年成为了一个研究热点,并广泛应用于航天航空、机器人、微控制工程等领域。然而压电陶瓷材料存在迟滞现象,该特性导致压电陶瓷执行器响应速度变慢、可控性变差,严重阻碍压电陶瓷执行器的应用与发展。因此,如何消除迟滞现象成为实现压电陶瓷执行器精密位移控制必须要攻克的难题。消除迟滞非线性常用的思路可归纳为建模和控制两种,针对压电陶瓷执行器中率相关迟滞非线性的现象,本文首先对其建立率相关迟滞非线性模型,由于传统KP模型属于率不相关的迟滞非线性模型,本文因此在经典KP模型的基础上加以改进,构造出Hammerstein模型,该模型可以描述压电陶瓷执行器中频率相关迟滞非线性(率相关迟滞非线性)。此模型由经典KP模型与传递函数串级组成,KP模型用来表征迟滞非线性,传递函数部分用来描述动态率相关性特性。其次,本文分步对其进行参数辨识,并采用和声搜索优化算法和蝙蝠和声混合优化算法对KP模型的密度函数进行辨识,选取误差较小的一种辨识算法。最后,为了减小甚至消除率相关迟滞非线性对位移控制精度的影响,本文提出了三种控制方案:第一种控制方案是迟滞逆模型补偿的前馈控制方案,实验表明,本文所提出的前馈控制器有效地减少了率相关迟滞非线性对位移控制精度的不利影响。开环控制虽然提高了跟踪精度,但是系统的抗干扰能力较弱,于是本文提出第二种控制方案,采用BP算法整定PID参数与前馈相结合的复合控制方案,进一步提高了控制精度,而且增强了系统的抗干扰能力。由于复合控制仍然是基于模型的控制方法,那么建模不确定性依然会削弱控制效果。第三种方案是一种无需逆模型的控制方案,主要思想是基于神经网络逼近非线性函数的超强能力,用两个神经网络分别逼近控制系统函数关系中的两个未知量,以达成系统输出无差跟踪系统输入的理想目的。实验数据表明,同复合控制相比,神经网络控制的最大误差和均方根误差均有减小。实验结果证明了神经网逼近非线性函数控制系统的跟踪精度优于压电陶瓷执行器复合控制系统的精度。