随着微/纳米技术的兴起与迅猛发展，以压电陶瓷、形状记忆合金等为代表的智能材料因具有精度高、响应快和驱动力大等特点在许多精密技术领域正逐步得到广泛的应用。然而，存在于这些智能材料中的迟滞非线性不仅会使系统的控制精度降低，甚至会导致系统不稳定。迟滞作为是一种非常规的非平滑的非线性，它的复杂和特殊性主要表现在多映射性和记忆性。为了消除迟滞非线性对系统的不良影响，需要对迟滞进行系统建模，并加入控制方案，从而得到预期的控制效果。论文的主要工作有：1、提出一个改进的迟滞算子描述迟滞特性，并建立动态迟滞模型。在众多的迟滞模型中，Preisach模型是应用最为广泛的一类模型。因此本文通过引入一个Preisach类的迟滞算子来提取迟滞特性，并结合一个线性系统，建立迟滞动态模型。此模型不仅能比较好地描述迟滞特性，并且结构简单，需辨识的参数较少。2、提出改进的粒子群算法实现模型参数的辨识。采用改进的粒子群优化(Particle Swarm Optimization, PSO)算法分别使所建模型对Preisach模型曲线和实际系统的曲线辨识。PSO算法是一种基于群体智能理论的新兴演化计算技术。为了改进优化的效果，在已有两种的改进型PSO算法的基础上，提出一种速度更新公式中有两个权值的PSO算法。权值的更新是根据优化效果变化。此PSO算法的收敛速度和精度都有所提高。3、利用离散滑模控制方案控制迟滞系统，并与其他控制方案比较。由于常规的方案很难使迟滞系统得到预想的控制效果，因此为了降低迟滞对系统的影响，设计基于迟滞逆算子的滑模控制器。首先针对动态系统中的迟滞非线性部分，提出迟滞逆算子以补偿迟滞现象对系统的影响，然后运用离散滑模控制方案设计控制器。最后，运用软件进行仿真实验。通过与基于逆补偿的PID和开环控制的实验结果比较表明，滑模结合逆补偿的控制策略能够得到较为理想的控制效果。