介电电活性聚合物（DEAP）是一种称为“人造肌肉”的新型智能材料，在仿生机器人领域具有巨大的潜力。 但是，这种材料广泛存在磁滞非线性，这会降低跟踪精度和系统稳定性。 针对这种情况，提出了一种基于径向基函数（RBF）的神经网络与滑模控制算法相结合的二阶DEAP线性执行器。 首先，基于Prandtl-Ishlinskii（PI）模型的逆磁滞算子用于消除磁滞行为。 其次，设计了一种自适应RBF神经网络滑模控制器，以获得较高的跟踪精度并保持系统稳定性。 所提出的算法使跟踪误差收敛到零，并在外部干扰和参数