随着现代工业和商业系统的持续发展,“工业4.0”和“中国制造2025”等概念被相继提出,未来工业将向着数字化、网络化、智能化的趋势发展,这也是中国制造转型升级的方向。因而,在很多的生产加工领域,多轴智能装备体将成为一种趋势,多轴运动控制的应用将会更加广泛。目前研究较为成熟的协同控制策略主要有非耦合协同控制和耦合协同控制,然而在提高协同精度方面都还有很大的潜力空间。本学位论文以四轴运动控制系统仿真平台和实验平台为研究背景和研究对象,建立多伺服电机运动系统数学模型,从动力学和控制算法层面分别分析影响多电机系统协同误差的因素,着重解决如下三个问题:1.设计多电机系统的单轴控制器;2.设计多电机系统的协同控制器;3.设计基于电子凸轮的多轴位置跟踪协同。本文主要的研究工作和创新型成果如下:一、针对多伺服电机协同控制的关键技术之一:单轴跟踪响应,提出了一种基于人群搜索算法的SOA-PID控制器的控制策略。该策略基于搜索和进化思想的群体智能算法,融合PID控制,针对PID控制器对扰动、鲁棒性不强以及参数优化对初始点选取依赖性强等问题,设计了SOA-PID控制器,提高PID参数的优化效果和优化速率,进而提高单轴的跟踪精度和响应能力,最终达到提高系统鲁棒性的目的。利用matlab/simulink实验平台,建立四轴协同控制系统仿真模型,选择常规协同控制器结构模型,对该算法进行了仿真分析,得到了优化结果。同样地,在pid控制的基础上,为验证人群搜索算法的效用,利用另一种智能算法——遗传算法对pid的参数进行优化,得到了另一种优化结果。将两者的仿真结果进行对比,可以看出人群搜索算法具有收敛速度快、精度高、误差小的优点,验证了人群搜索算法的有效性。同时,也为后续多轴协同控制器的研究打下良好的基础。二、在前章实现单轴快速跟踪响应的基础上,研究了多伺服电机协同控制另一关键技术:协同控制器,提出了基于小波神经网络的协同控制器的控制策略。针对多轴协同控制中常规协同控制器难以满足快速消除协同误差的问题,提出了一种基于小波神经网络的速度补偿器,利用神经网络对任意复杂函数的逼近能力和计算能力以及小波变换可以自适应地调整小波基的形状实现小波变换的优点,使得整个算法学习能力更强,收敛速度更快,结合在线训练算法,实现协同误差的预测和补偿,最终达到快速消除协同误差的目的。接着,在matlab/simulink实验平台上,搭建四轴协同控制系统仿真模型,结合本章设计的速度补偿器进行仿真分析,得到在不同扰动下的分析结果。最后,在相同仿真条件下,将所得结果与常规协同控制器的仿真结果进行对比,对比结果表明基于小波神经网络的多伺服电机协同控制结构具有更高的协同精度,速度波动小,调节时间短,收敛速度快,验证了所设计的速度补偿器的有效性。三、针对多伺服电机协同控制的位置跟踪问题,设计了基于电子凸轮技术的协同控制系统。该控制系统由BECKHOFF嵌入式PC、永磁同步伺服电机、滚珠丝杠直线平台等组成。针对四轴实验平台,为了满足高频度启停和高精度定位双约束高响应控制的控制要求,利用高速凸轮的通用简谐梯形组合曲线,选择无恒定加速段的无停留修正梯形加速度运动规律作为伺服电机的加速策略,合理设计电子凸轮曲线,通过丝杠平台运动时速度、加速度和跃度的均匀连续变化来消除刚性冲击并减小柔性冲击,达到提高跟踪精度的目的。在四轴实验平台上完成实验分析,通过TWINCAT下的Scope View软件,采集实时数据,完成实验验证。本文所设计的单轴跟踪算法和多轴协同算法为实现多轴协同控制提供了理论基础和借鉴。