交流伺服系统高速高精运动控制方法是工业自动化领域的关键技术和研究热点,其性能优劣将直接决定机电一体化设备的运行效率与控制精度。但是,交流伺服系统结构的非线性与分数阶特性、模型的不确定性和时变特征以及应用过程中多样化的扰动等因素将会影响系统的动态响应跟踪性能和稳定性。考虑到未建模动态和建模误差的存在,传统基于模型的运动控制方法难以满足交流伺服系统的实际运行需求。本文结合自然科学基金项目,以优化交流伺服系统的综合性能为目标,利用数据驱动运动控制理论,从控制器结构、抗扰动能力、约束性指标等方面开展了控制算法的深入研究,提出了基于分数阶控制器、扰动抑制以及多性能指标的数据驱动运动控制方法,力求为交流伺服驱动系统性能的提升提供理论依据和实验验证。论文的具体研究内容和创新点如下:分析了交流伺服系统的矢量控制原理和速度环控制结构,针对交流伺服系统传统模型的局限性,在系统模型未知的情况下,提出了基于数据驱动虚拟参考反馈校正的交流伺服系统运动控制结构。最后研究了阶跃响应、误差积分以及统计学特征等控制性能评价指标。提出了数据驱动分数阶控制方法,采用分数阶控制器代替传统的整数阶控制器,利用被控对象的过程数据构建以分数阶控制器参数为优化变量的目标准则,进而设计了数据驱动离线整定算法,实现最佳分数阶阶次的定位和控制器参数的预整定。针对传统控制器参数自适应更新的耗时久、收敛速度慢等问题,提出了基于即时学习的改进型在线校正算法,利用相似度准则限制了数据库容量的大小,采用涵盖系统当前运行状态的相似数据进行控制器参数的自适应调整,有效地缩短了计算时间,加快了算法的收敛速度。所述数据驱动参数整定算法同时适用于整数阶控制器与分数阶控制器。提出了数据驱动扰动抑制方法,估测了数据扰动并将其作为补偿量引入到控制器参数的反馈调整中,实现提高系统扰动抑制能力和鲁棒性的目的。对网络控制系统的数据干扰与整帧丢失进行了分析,建立了受干扰情况下不完备数据的一般化表达式。在此基础上,针对数据扰动的抑制问题,提出基于反馈调整和扰动补偿的数据驱动加权迭代运动控制算法,使用迭代学习周期性对数据干扰和整帧丢失的信息进行无偏估计,利用残差峰态系数确保了控制器参数自适应更新最优化,并对所提算法的收敛性和闭环系统的稳定性进行了理论证明。仿真结果表明在数据受到噪声干扰和整帧丢失的情况下,系统的鲁棒性得到了增强。以改进受控系统的综合控制性能为目的,提出了数据驱动多性能指标优化方法。设计的数据驱动约束条件主要包括:基于频率响应测试数据推导了控制参数与性能指标约束的解析关系,保证了系统的稳定性能和频域性能;依据理想波特函数建立的闭环分数阶参考模型优化了系统的时域性能和灵敏度函数指标;同时,利用自然常数设计了平滑函数,实现对被控对象控制输入信号幅值的限制。在此基础上,提出了基于多性能指标的数据驱动模型参考自适应控制算法,利用变步长粒子群算法对分数阶控制器参数进行了寻优求解。仿真结果表明受控系统动态响应与参考模型保持一致,保证了综合控制性能最优。最后,提出了测试实验方案,进行了总线型交流伺服驱动器的软硬件设计,以此搭建了六关节工业机器人系统、柔性摆臂系统和双惯量弹性交流伺服系统,将所提出的数据驱动运动控制方法应用到搭建的平台。实验结果验证了本文提出的运动控制方法的实用性、有效性与优越性。