压电陶瓷作为一种智能材料,可实现机械能和电能的互相转换,被广泛应用于水下声学、超声波和能量收集等方面。然而,压电陶瓷本身存在的铁电迟滞现象会造成系统谐波失真、振荡甚至不稳定,要解决这一难题,急需针对压电陶瓷的铁电迟滞现象建立一个精准的迟滞模型。由于压电陶瓷的输出不仅受输入历史状态的影响,还与输入变化率密切相关,因此,为准确描述压电陶瓷电场-极化(P-E)所生成的极化迟滞现象,建立一个速率相关的动态迟滞非线性模型变得尤为迫切。针对以上情况,本文利用改进的Bouc-Wen模型对锆钛酸铅(LeadZirconate-Titanate,PZT)压电陶瓷电场-极化(P-E)电滞曲线建立了速率相关的动态迟滞非线性模型。由于Bouc-Wen模型内微分项的存在,并且参数搜索范围未知,因此,参数辨识一直是Bouc-Wen模型推广应用中的难点,本文基于标准灰狼算法(GreyWolfOptimizer,GWO)设计出一种改进灰狼算法DE-GWO,并将其应用于Bouc-Wen模型的参数辨识。首先,由于GWO具有调节参数少、应用简便等优点,本文在其基础上引入时间参数a的非线性调整策略以及改进的位置更新规则进而提出一种混合差分向量思想的改进灰狼算法DE-GWO。DE-GWO算法在改善GWO算法在求解精度、避免局部最优和收敛速率等方面成果显著,此外,其还进一步平衡了算法的探索与开发能力,从而提升算法在挖掘全局最优解方面的性能。然后,为了验证DE-GWO算法的性能,本文利用包含单峰、多峰和定维多峰的17个基准函数以及其他算法作为对比。结果表明,DE-GWO算法在求解精度,避免局部最优和收敛速率方面均有较大提升,并且在处理大规模函数优化问题方面具有优势。最后,将DE-GWO算法应用于Bouc-Wen模型的参数辨识,根据辨识结果建立各模型参数与频率之间的关系,最终确立一个针对压电陶瓷的铁电迟滞现象建立的速率相关迟滞模型。为验证模型的准确性,采用四组输入频率为0.666Hz、22Hz、33Hz时采集到的实验数据对所建立的模型进行检测,结果表明,DE-GWO算法可快速有效辨识出Bouc-Wen模型参数,所建速率相关的动态迟滞非线性模型可准确描述压电陶瓷输入电场与输出极化之间的非线性迟滞关系,为以后建立控制器以对该现象进行补偿奠定了基础。