以3C产品为代表的单件大规模重复性加工已成为迫切的需要,而现在的加工中,工件均是重复地加工,为了充分利用以往加工数据指导当次加工,避免重复性干扰和噪声带来的不利影响,我们引入迭代学习的思路来提高加工精度。针对数控机床中的伺服系统进行了模型分析和参数辨识实验,分析与设计了前馈控制器和反馈控制器。本文从控制层角度出发,针对传统反馈控制在面对复杂轨迹时难以获取较高精度的问题,引入迭代学习控制方法,通过设计并联式迭代学习控制器与位置环反馈控制器合力进行控制,可以实现又快又好的收敛效果。在确定使用修改控制量型开环迭代结构之后,在虚拟仿真平台上测试了迭代学习控制算法的控制效果。为了减少偶然性误差的影响,提出了阶梯型迭代学习的思路,每次迭代均重复运行多次,提取柔和化处理的误差,再将其加入到下次迭代进程中。为了减少计算量,可以在精度收敛到允许范围内时关闭迭代机制,存储下当前的迭代部分控制量,进行恒值补偿。在仿真和实验中发现,在叠加上迭代学习控制器后会出现系统跟踪误差局部发散的现象。我们从时域和频域出发,时域上主要分析输入轨迹的速度和加速度特征,频域上分析出原因在于高频噪声引入。针对上述问题,我们引入滤波器来有效滤除高频分量,解决上述问题。由于在线低通滤波器会带来相位滞后,难以实现效果,我们最终选择离线低通滤波器,这也是促使我们选择开环迭代学习结构的动机。为了进一步提高其收敛精度,对于特定区段内有效高频信息纳入学习之中,基于对输入轨迹的频率特性分析,提出了可切换滤波器。通过SIMULINK仿真和d SPACE实验验证,证明了修改控制量型迭代学习控制器和基于滤波器的迭代学习控制方法的有效性。