随着纳米制造技术、微型电子技术、精密加工技术、以及医学等领域的迅猛发展,精密定位在现代工业中的作用越来越重要。研究能够兼顾大行程和高精度的定位平台具有实际的需求和意义。目前精密定位系统主要有电驱动、液压驱动和气动三种模式,电驱动存在电磁干扰、不能兼顾大行程和高精度等问题,而液压驱动则存在成本较高、易造成环境污染、不易储存等问题,气动以其无污染、性价比高、抗干扰能力强以及维修方便等优点而逐渐被广泛应用。气缸是最主要的一种气动执行机构,但气缸定位精度不高、摩擦较大且输入输出非线性强,因此开发一种新的驱动机构和结构形式成为一项精密定位领域的重要研究内容。在此基础上,本文提出了一种基于双波纹管驱动的二维精密定位平台,通过研究机械结构、建模以及控制算法等方面,实现了平台大行程、高精度的目标。首先,对二维精密定位平台的机械结构进行设计,并详细阐述了其工作原理。平台采用空气压缩机作为气源,采用新型波纹管作为驱动元件,由电气压力比例阀控制波纹管内的气体流量,实现位移控制。为降低滑动摩擦,平台X、Y轴都采用气浮导轨和轴承进行导向和支撑,并采用光栅尺进行位移检测和反馈。针对平台设计了基于LABVIEW软件的上位机系统,提出了软件的生产者-消费者模式,平台的下位机系统采用STM32系列单片机,实现和上位机的通信。其次,通过研究波纹管的静态特性,分析波纹管的质量流量方程、电气压力比例阀的压力-流量方程以及平台单轴的动力学方程等,建立了平台数学模型并对其在工作点附近进行线性化。为验证模型的有效性,利用MATLAB/Simulink软件对模型进行仿真实验。最后对平台采用传统PID控制,通过实验分析气源压力、行程以及负载等因素对系统性能的影响。然后,为改善系统的迟滞等非线性特性,在定位平台的建模和控制中加入神经网络技术。在BP神经网络的基础上设计了平台的神经网络辨识器和控制器,并对网络权值等参数进行修正。对平台输入阶跃、三角波和复频波信号进行仿真,实验表明神经网络算法能够提升平台性能,为下一步的研究提供了基础。最后,为进一步提高平台的定位精度,针对平台提出了模糊神经网络的控制方法,设计了平台的模糊神经网络控制器及学习算法。在基本模糊控制器的基础上加入神经网络技术,充分利用模糊控制的逻辑推理能力和神经网络自学习自调节的优点。对平台进行单自由度轨迹跟踪实验和平面圆轨迹跟踪实验,并对各种控制方法的控制精度进行比较。结果表明模糊神经网络控制器控制性能良好,优于单纯的模糊控制和神经网络控制,能够满足平台大行程高精度的要求。