高速高精的运动控制对伺服驱动系统的控制性能要求很高,伺服驱动系统不仅需要具有良好的动态响应性能,而且能够对系统参数的不确定性以及外部的扰动具有很强的鲁棒性。因此,需要探寻一种控制策略来保证伺服驱动系统的控制性能,经典的PID控制方法简单,高效,易于实现。然而,由于实际的伺服驱动系统存在着一定的非线性和不确定性因素,这些因素将直接影响经典PID的控制性能。因此,本文将利用分数阶微积分理论对传统PID控制器进行拓展和优化,研究分数阶PID控制策略,旨在继承和发扬传统PID控制器的优点并弥补其不足,以满足高性能交流伺服驱动系统的需求。由于伺服驱动系统的性能与控制参数密切相关,因此,为了使分数阶PID控制器能尽量发挥出其控制的优势,本文将重点研究分数阶PID控制器的参数整定方法,通过相关理论和实验研究,探寻稳定、高效以及适用性广的分数阶PID参数整定方法。本文结合国家自然科学基金项目,首先对交流伺服驱动系统的速度环控制模型进行了分析,并建立了其分数阶数学模型,同时,提出了一种基于优化算法的分数阶模型参数的辨识方法。相关理论和实验证明了分数阶模型可以更好地描述交流伺服驱动系统。然后,开展了分数阶PID控制器参数整定策略的研究,包括图形化整定,数值化整定以及在线整定三类方法。具体的研究内容如下：对于基于模型的图形化整定,提出了一种基于不确定参数模型的分数阶PID控制器参数图形化整定方法,利用该方法所设计的分数阶PID控制器对伺服驱动系统参数的变化具有很强的鲁棒性；对于无模型的图形化整定,提出了一种基于频率响应的分数阶PID控制器参数图形化整定方法,该方法能同时适用于线性和非线性分数阶PID控制器。对于基于模型的数值化整定,提出了一种基于改进型随机多参数优化算法(SMDO优化算法)的分数阶PID控制器参数整定方法,该方法综合考虑了伺服驱动系统的时域和频域性能指标,并能适用于整数阶和分数阶系统,同时改进了传统的SMDO优化算法,提高了整定算法的准确性和效率：对于无模型的数值化整定,提出了一种基于频域虚拟参考反馈整定(频域VRFT)的分数阶PID控制器参数整定方法,该方法无需反复的迭代的实验,仅仅只需要一次数据的采集。同时还将所提出的方法进行了拓展,使其能应用于伺服驱动系统工作状态发生变化的情况。对于基于模型的在线整定,提出了一种基于数据库的分数阶PID控制器参数在线整定方法,该方法利用递推最小二乘法对伺服驱动系统模型进行在线地辨识,并根据所辨识出的模型从控制参数数据库中搜索出合适的控制参数,从而完成了对伺服驱动系统自适应分数阶控制,该方法计算量小,易于实现；对于无模型的在线整定,提出了一种基于小波神经网络的分数阶PID控制器参数在线整定方法,该方法利用小波神经网络取代传统的BP神经网络,从而提高了神经网络的适应能力和容错能力,并通过离线整定出的控制器参数来优化在线整定方法,使伺服驱动系统在整个运行过程中始终保持满意的控制性能,并且,该方法可以同时适用于线性和非线性分数阶PID控制器。搭建了永磁同步旋转电机以及永磁同步直线电机伺服驱动系统实验平台。进行了相关的硬件和软件设计,把所提出的算法在实验平台上进行了验证,实验证明了所提出算法的适用性和稳定性。