磁控形状记忆合金（Magnetic Shape Memory Alloy，简称MSMA）是近年来出现的一种新型功能材料，该材料在磁场作用下可获得较大的磁感生应变，具有输出应变大、响应速度快、能量密度高等优良特性，有望作为一种新型驱动材料应用于工业执行器件。本文以单晶Ni2MnGa磁控形状记忆合金为研究对象，对其力磁热多场耦合作用下的驱动力学特性进行实验研究与预测、并基于多场耦合实验数据对MSMA驱动器磁控回路优化设计及磁滞补偿控制策略进行了初步探讨。主要研究内容如下：　　（1）对MSMA力磁热多场耦合驱动力学性能进行实验测试，总结预加应力、控制磁场及工作温度与MSM A形变率之间的规律关系，并通过MSM A磁致形变机制对其进行了初步解释。基于MSMA力磁热多场耦合驱动实验数据，利用BP神经网络建立了MSMA驱动行为预测模型，并通过遗传算法对其进行适当优化，实现了MSMA输入变量（预加应力、控制磁场、工作温度）与输出变量（MSMA形变率）之间较好的对应关系。　　（2）针对目前 MSMA驱动器大多采用励磁线圈产生控制磁场，驱动工作过程中励磁线圈散发热量容易导致MSMA驱动元件工作温度升高，影响驱动器控制精度的问题。本文提出一种基于永磁体偏置磁场及温度冷却装置的MSMA驱动器磁控回路优化设计方案，并利用有限元分析软件对磁控回路进行了电磁场、温度场的仿真分析，仿真结果验证了磁控回路设计的合理性。　　（3）通过对MSMA驱动器进行建模，得出MSMA驱动器输入电压与输出位移之间的关系式；基于MSM A驱动器固有的磁滞非线性，建立MSM A驱动器磁滞模型，采用PID与磁滞正模型的闭环控制以及PID与磁滞正逆模型混合的复合控制两种控制策略对MSMA驱动器进行磁滞补偿，结果表明：两种控制策略均可大大减弱MSMA驱动器固有的磁滞非线性，但PID与磁滞正模型的闭环控制效果最佳。