压电陶瓷、超磁致伸缩等智能材料构成的智能结构具有体积小巧、响应速度快和精度高等优点,因而被广泛用于微电子制造、超精密加工和航空航天等重要领域中。但其本身存在的迟滞非线性不仅会增加系统的建模难度,而且容易导致系统振荡,影响系统稳定性。近年来,许多学者在迟滞特性建模与迟滞系统参数辨识方面进行了深入的研究,旨在更为准确的描述智能结构中出现的迟滞非线性特性,降低建模精度对其控制精度的影响。目前,在迟滞非线性建模方面,文献中多考虑对称的迟滞曲线,而在系统参数辨识方面多依赖于测量估计中间变量。在本文中,提出了一种基于传统Prandtl-Ishlinskii(PI)模型的非对称迟滞建模方法,和一种基于扩张状态观测器(Extended state observer,ESO)的迟滞系统参数辨识方法。论文的主要内容与成果如下:首先,提出了可用于描述非对称迟滞曲线的改进PI型。通过将传统PI模型分解为迟滞算子加权叠加与线性环节和的形式,把非线性输入函数和非对称算子引入到传统PI模型中,构造出改进PI模型。其中,利用非线性输入函数来描述迟滞曲线的中轴线,改善剩余迟滞分量的对称性。同时,设计了形式简单的非对称算子描述剩余迟滞分量,建立了既可以描述对称迟滞曲线又可以描述非对称迟滞曲线的改进PI模型,弥补了传统PI模型只可用于描述对称迟滞曲线的不足。并通过设计多组仿真实验验证了本文提出的改进PI模型的有效性。然后,针对串联型迟滞非线性系统,设计了基于扩张状态观测器(Extended state observer,ESO)的迟滞系统参数辨识方法。首先,给出了一种Bouc-Wen迟滞模型分解方法,将参数辨识过程分为线性环节与迟滞环节,并通过构造中心对称的周期输入,实现了系统线性参数与迟滞参数的分离。然后,结合ESO可以有效估计出含有控制对象模型信息的这一“扩张状态”的特点,将模型参数信息和有界迟滞分量扩张成一个新的状态,提出基于ESO的线性参数迭代辨识和迟滞参数辨识方法,其中迭代过程能够不断对辨识结果进行修正。最后,通过数值仿真验证了该方法具有良好的辨识效果。最后,设计了基于小车位移迟滞系统的参数辨识实验,用于说明本文设计的参数辨识方法的实用性。通过将小车位移系统与迟滞输入相结合来模拟实际的迟滞系统。之后采用基于ESO的迟滞系统参数辨识方法进行参数辨识实验,并设计了基于逆模型补偿的迟滞非线性系统PID控制实验。实验结果证实了本文提出的参数辨识方法的有效性。