超声波电机（ultrasonic motor，简称USM）是一种利用压电陶瓷的逆压电效应工作的特种电机。与传统的电磁型电机截然不同，USM的驱动力矩并非由电磁感应产生，而是由压电陶瓷超声频域的振动转化而来。本文研究了行波型USM，具体内容如下：首先，论述了USM的运行机理。详细分析了行波型USM的特殊结构，阐述了USM中压电元件的起振原理、定子上驻波的产生机理、行波的合成原理、定子表面质点运动规律。其次，设计了实用的USM驱动电路。USM是一种典型的机电一体化电机，其驱动电路的好坏直接影响着电机的性能。本文针对行波型USM自身特点设计了其驱动电路，由压控振荡器产生频率可调的脉冲信号，将该信号作移相处理，产生4路依次相差90°的方波信号，来驱动两路推挽功放电路。由功放电路处理后所得到的高频交流方波经过升压即可以驱动USM。利用所设计的电路测得不同负载下USM的变频调速特性。然后，研究了USM的速度优化控制方法。由于USM谐振频率的漂移、USM系统的强耦合性和高度非线性及参数的不确定性，迄今为止，还没有能够完全表达超声波电机动态和稳态特性的精确数学模型。在比较了国内外现有的速度优化控制方法的基础上，本文提出一种新的USM自适应控制策略。系统采用双闭环控制，内环用来补偿定子环机械谐振频率的漂移；外环利用径向基函数神经网络（Radial Basis Function neural network ，简称RBFNN）控制器调节USM的驱动频率，实现速度的自适应控制。RBFNN控制器参数的在线调整利用另一个RBFNN对系统的参数进行在线辨识而实现。两个RBFNN都采用离线和在线相结合的方式进行训练。经实验证明，该控制系统具有响应迅速、适应性强等优点，具有较高的控制精度和较好的稳定性。最后，在上述方法的基础上，改进了RBFNN的训练方式，利用混合递阶遗传算法训练其参数，简化了控制结构，提高了控制效率。