随着高新科技的发展，智能设备及高精度微定位装置得到了大量应用。而这些设备和装置中，“智能材料”构件是重要的组成部分。但是这些材料的一个主要的限制就是由于迟滞现象的存在，尤其是在缺乏精确模型的控制系统中，可能会引起震荡，甚至会导致不稳定。因此，在控制器设计中，对迟滞非线性建模和预测是十分必要。但是由于迟滞非线性的特殊性，传统的方法难以建立精确的动态模型。论文的任务是提出一种简单而新颖的方法，建立能够预测多类输入信号作用下的迟滞非线性特性的动态模型。由于Preisach模型有着良好的精度和易用性，所以本文是基于Preisach方法建立的迟滞非线性模型。Backlash在建立Preisach迟滞模型方面被认为是最简单最有效的工具。运用改进Backlash描述函数，建立迟滞非线性动态模型是论文的主要创新点，也是论文的核心内容。首先，我们理论上证明了所给函数的重要性质及其参数在建模中所起的作用，并给出应用该函数建立迟滞模型过程。因所建模型与实际迟滞非线性特性有所不同，但已具备了迟滞非线性的多数特性，同时也建立了二者之间的对应关系。因此，利用神经网络的逼近能力，以所建模型的输出作为神经网络的一个输入，从而建立了一个神经网络迟滞非线性模型。通过试验验证了所提神经网络模型能够以较高的精度逼近给定的实际数据。论文在迟滞建模方面有着清晰的数学表达形式，原理简单易懂。但是该方法只是针对Preisach迟滞非线性特性进行建模，对其它类型的迟滞非线性特性适用性缺乏研究。同时，将所建模型用于控制方案设计，可作为今后的研究课题。