离子交换聚合体金属合成物(Ion-exchange Polymer-Metal Composites简称IPMC)是一类被称为人工肌肉的电活性智能材料。由于其性能类似于生物肌肉,因此受到越来越多的关注,并在微机电系统、生物医学、仿生机构等领域具有巨大的应用前景。然而IPMC响应机理复杂、对环境条件与材料参数变化敏感且具有非线性,这些限制了它的开发与应用。本文首先开发了一套完整的IPMC实验平台,并通过实验研究了IPMC在不同的激励信号类型、频率大小、幅值以及样条尺寸、环境湿度等条件下的响应特性,从而掌握了IPMC的响应特征,建立了详细的特性数据库,加深了对磁滞、蠕变特性和产生原因的认识,为IPMC的建模控制问题奠定了基础。基于掌握的IPMC的先验信息,通过相关分析与频响数据拟合确定了适合的模型阶次,并采用离线辨识策略选择拟合程度最高的三阶ARX(AutoRegressive exogenous)模型作为IPMC的模型结构,在此基础上应用最小二乘递推辨识算法,开发了一个基于LabVIEW平台的实时、在线递推辨识系统,实现了对模型参数的在线辨识,从而避免了环境条件的变化对模型结果有效性的影响。针对IPMC存在的磁滞和蠕变非线性特性,建立了IPMC的磁滞、蠕变模型和混合特性模型。对于磁滞特性,建立了两种模型,并分析比较了各自的特点。一种是基于经典preisach算子模型,通过离散化、质心化处理,应用最小二乘递推算法实现了对preisach密度函数的在线辨识,并进一步分析了模型误差的原因,对辨识算法进行了改进,提高了辨识精度；另一种是PI(Prandtl-lshlinskii)磁滞模型,建立了LMS(Least Mean Square)在线辨识算法辨识PI模型的权值,并进行了利用少量的磁滞算子就可以逼近磁滞环的仿真验证。对于蠕变特性,利用加权最小二乘参数估计递推算法得出了IPMC蠕变的模型,并进行了仿真验证。最后建立了磁滞PI模型与线性蠕变模型相迭加的IPMC磁滞蠕变特性的混合模型,并验证了混合模型可以更好地逼近IPMC实际磁滞蠕变特性曲线。根据建立的IPMC线性和非线性模型,设计了相应的控制策略。针对IPMC线性模型设计了模糊PID自适应控制方案,并通过仿真结果证明了模糊PID控制器可以有效地控制IPMC的线性驱动特性。针对IPMC的非线性特性设计了IPMC的磁滞、蠕变特性的逆补偿控制器,实现了在线自适应逆补偿控制,验证了逆补偿控制是消除IPMC非线性特性的有效方式。建立了两种基于IPMC磁滞蠕变混合模型的自适应逆控制结构,系统的磁滞特性和蠕变特性得以消除,通过仿真验证比较了两种控制结构的优缺点。最后,建立了PVDF作感知、IPMC为驱动的压电智能悬臂梁的动力学模型,利用LQR线性二次型最优控制实现压电智能悬臂梁结构振动的主动控制,仿真结果表明控制系统具有很好的快速响应能力和振动控制效果,说明了压电材料作为传感器和驱动器抑制振动的有效性和实用性。最后针对IPMC驱动器具有非整数阶动力学特性,而传统研究采用整数阶建模,无法对其精确描述和解释的现状,采用非线性最小二乘估计的Marquardt算法研究一种新的比常规的整数阶建模更合理、更能描述IPMC驱动器性能的分数阶模型。并将其和常规方法建立的整数阶模型进行对比,仿真结果表明IPMC分数阶模型可以更精确地描述IPMC非整数阶特性,提高模型精度和实际应用效果。针对建立的IPMC分数阶模型,设计了分数阶PIλDμ控制器,分析了分数阶PIλDμ控制器结构参数对控制系统性能的影响,对比验证了分数阶IPMC对IPMC模型控制的有效性和优越性,从而为新型智能材料IPMC的建模和控制器设计提供了更精确的方法,为IPMC的实际应用进行了更有意义的探索性研究。