压电惯性驱动器是利用压电元件产生的惯性力差作为驱动力的压电驱动装置。压电元件产生的驱动力是机构的动力源,其定量分析对于优化机构的输出性能有着重要作用,驱动装置的运动参数主要包括步长,速度和加速度等,是衡量装置输出特性的重要指标。本文对压电元件产生的驱动力进行了定量分析,设计了驱动力的测试试验和验证试验,将压电元件用作传感元件,设计电路装置测试了驱动力,利用神经网络技术,预测驱动装置的运动参数。研究内容如下：分析压电双晶片元件的输出特性和等效电路模型。推导了正、逆压电效应下压电元件的输出特性,利用Matlab软件仿真分析了压电双晶片元件的尺寸参数对输出位移和端部作用力影响,推导压电元件输出电荷与端部位移关系；分析了压电双晶片元件的阻抗特性,采用阻抗分析仪测试了对压电双晶片元件的等效模型参数。推导压电惯性驱动器的驱动力表达式。分析在正弦信号、锯齿波信号和方波信号激励下压电双晶片的端部位移,速度和加速度响应,分析驱动力的时域和频域响应特性曲线,采用Simulink软件对压电振子动态特性进行了仿真分析。进行压电双晶片振子的驱动力测试试验和验证试验。采用压电式加速度传感器测试了在基频下压电双晶片振子的加速度,结合压电双晶片振子的惯性质量计算得到驱动力的数值,利用快速傅立叶算法分析了驱动力的频域特性；搭建了驱动力验证试验平台,采用摩擦学方法验证驱动力的测试结果。提出基于压电自感知方法的驱动力测试的方法。将压电双晶片的一片压电晶片用作传感元件,分析了压电双晶片的加速度参数与传感元件产生的感应电荷关系,设计了驱动力的测试电路装置。提出利用神经网络技术预测压电惯性驱动器运动参数的预测方法。分析传感元件的感应信号,驱动力和机构运动参数关系,将驱动力测试电路装置的输出信号作为神经网络输入量,构造了用于直线型压电驱动器运动参数预测的BP神经网络模型,实现了运动参数的预测。