超声波电机具有与传统电磁型电机不同的工作原理,使其具有明显的非线性。这种特性使其不易建立准确的数学模型,亦不易得到期望的转速控制性能。数学模型是超声波电机转速控制策略设计的必要前提。本课题以电机频率为输入量、电机转速为输出量,建立超声波电机的Hammerstein非线性模型。将模型静态非线性环节由常用的多项式形式改为高斯拟合的形式,这种形式不再受限于之前阶次的不确定性,更清晰地表述了模型的静态非线性环节。利用乌鸦搜索算法进行辨识建模,针对乌鸦搜索算法具有迭代容易陷入局部最优等缺点,给出适当的改进方法。通过所建模型计算转速与实验转速对比,证明建模方法有效。在所得模型基础上,通过将逆模型算法和迭代学习控制相结合,利用逆模型算法来设计更新律,得到逆模型迭代学习控制更新规律。仿真表明,逆模型迭代学习控制方法作为超声波电机转速控制策略是可行的。在迭代学习控制结构的基础上,利用梯度下降法作为优化算法设计转速控制器。对静态非线性高斯拟合部分求逆来抵消非线性环节的影响,从而将原本具有非线性特性的超声波电机线性化。根据得到的数学模型构建系统算子矩阵G,使用系统算子矩阵G构建其伴随算子。然后,对梯度法和迭代学习控制法结合后形成新的控制策略进行仿真分析。针对仿真过程中出现的问题,采用两种柔化处理方法。并对该控制策略不适用于非重复性运动的情况,进行适当的改进。仿真表明,有限次的迭代学习后,超声波电机仿真输出转速与期望转速基本重合,说明梯度迭代学习控制方法作为超声波电机转速控制策略是可行的。