عملگرهای پیزوالکتریک بدلیل دقت بالا، پاسخ سریع و هزینه کم پیزوسرامیک ها استفاده ی گسترده ای در ابزارهای دقیق مانند میکروسکپ های نیروی اتمی، دستگاه های نوری (optic)، صنعت پزشکی در انبرهای جراحی، صنعت هوانوردی و موقعیت یابی میکرو و نانو دارند. این عملگرها براساس اثر معکوس پیزوالکتریک کار می کنند. با اعمال یک جریان و یا ولتاژ الکتریکی به ماده پیزوالکتریک ، تنش و در نتیجه تغییر شکل در ماده ایجاد می شود که منجر به جابجایی عملگر و تولید نیروی خارجی توسط آن می گردد. یکی از مشکلات اساسی کنترل عملگرهای پیزوالکتریک وجود عوامل غیرخطی ساز مختلف مانند اثرات پسماند، خزش و ارتعاشات دینامیکی است. اینگونه اثرات به صورت جدی می تواند باعث غیرخطی کردن سیستم و ایجاد خطا در جابجایی عملگر پیزوالکتریک شود، که در نتیجه دقت عملگر و کارایی سیستم کاهش می یابد و سبب مشکل ترشدن کنترل عملگرهای پیزوالکتریک و یا حتی منجر به ناپایداری سیستم می شود. در این پژوهش ساختار مکانیکی عملگر پیزوالکتریک با در نظرگرفتن اثر غیرخطی پسماند آن شبیه سازی شده و رفتار عملگر پیزوالکتریک توسط شبکه عصبی جهت کنترل سیستم مدل خواهد شد. نتایج حاصل از شبیه سازی بیان کننده ی اعتبار مدل شبکه عصبی برای عملگر پیزوالکتریک می باشد. همچنین برای بهبود کارایی عملگرهای پیزوالکتریک و کنترل رفتار آن، سه نوع الگوریتم کنترلی، شامل کنترل کننده pid تطبیقی مبتنی بر شبکه عصبی mlp، کنترل کننده pid تطبیقی مبتنی بر شبکه عصبی rbf،کنترل کننده anfis مبتنی بر شبکه عصبی rbf، طراحی شده و در نهایت نتایج حاصل از آن ها با هم مقایسه گردیده است. مقایسه نتایج بیانگر آن است که میانگین تغییرات خطا در کنترل کننده anfis و pid-rbf نزدیک به هم است و کنترل کننده anfis در کاهش اثر پسماند تواناتر است، در نتیجه عملکرد کنترل کننده anfis نسبت به دو کنترل کننده ی دیگر بهتر است.