本文提出了一种新的基于神经网络的磁滞模型。 首先，通过运动点轨迹的特性，提出了一种变阶滞后算子（VOHO）。 基于VOHO，构建了基本磁滞模型（BHM）。 接下来，基于BHM，将输入空间从一维扩展到二维，从而可以使用神经网络方法来近似扩展的输入空间和输出空间之间的映射。 最后，进行了三个与压电致动器有关的实验，以验证神经滞后模型。 实验结果表明，该方法是有效的。

提出了一种识别压电陶瓷驱动器中与速率相关的磁滞的方法。 在这种方法中，将相对于磁滞输入的输出的所谓的广义梯度和代表输入的频率变化的输入的导数两者都引入到输入空间中。 然后建立扩展的输入空间。 因此，基于输入空间的扩展，速率相关磁滞的多值映射可以转换为一对一映射。 在这种情况下，可以将神经网络方法应用于速率相关磁滞的建模。 最后，实验结果被提出来说明所提方法的性能。