近年来,传统的驱动机构由于体积和重量较大,已难以适用于航天等特殊领域的需求。基于智能材料的新型驱动系统由于具有功重比高、小型化等优点,已成为热门研究领域。作为智能材料的一种,形状记忆合金（SMA）具有高功重比、输出应力大和无噪声驱动等优点,其在低温时通过施加应力很容易产生形变,但当加热超过一定温度时又可以恢复原始状态。恢复过程可以产生较大的驱动力,使其在小型化驱动系统领域有着广阔应用前景。本文基于SMA的基本原理,设计了一套完整的SMA驱动器系统,设计了弹簧偏动式SMA执行器,应变范围可以达到总长度的5%。采用恒流源驱动电路产生可控的加热电流对SMA丝进行加热,能够满足冷却阶段采集数据量的要求。最后基于Lab VIEW编写了同步数据采集程序。根据测得的SMA输入输出迟滞特性,本文采用Preisach迟滞模型对SMA进行建模。深入研究了模型的数值实现过程,主要包括模型的离散化和密度函数的参数辨识。根据输入输出数据选取合适的离散化范围,并采用最小二乘法辨识密度函数。根据所构建的Preisach模型,研究了基于逆模型的前馈控制策略。由于Preisach模型非解析可逆的特性,采用最接近匹配算法反演其逆模型,最后进行了仿真验证,证明了模型的准确性。本文针对需要反馈控制但体积空间无法安装位置传感器的应用场合,提出了一种基于电阻自感知模型的神经网络PID控制方案。首先分析了SMA的电阻特性,比较了进口和国产两种SMA丝的电阻-应变曲线的线性区域范围。针对曲线表现出的较大滞环,研究了施加预应力对减小环宽的影响。然后采用高阶多项式拟合曲线建立自感知模型,以实现通过检测电阻作为反馈信号消除传感器的目的。最后采用BP神经网络PID控制器的控制方案实现位置闭环。本文完成了整个实验平台的搭建。通过实验验证了所提系统和控制方案的有效性。在不同频率和幅值下进行实验,结果表明在0.05Hz的加热频率下SMA能够恢复到初始位置。本文进行了迟滞模型前馈控制实验,实验结果可以较好地跟踪正弦信号;进行了基于自感知模型的反馈控制实验,分别对阶跃和正弦信号进行位置跟踪,实验结果的平均跟踪误差分别在3%和5%左右。