近年来,随着对加工质量和精度的要求逐步提高,高速、高精度的运动平台成为高端装备制造业不可或缺的组成部分。由三台永磁直线同步电机（Permanent Magnet Linear Synchronous Motor,PMLSM）构成的直驱H型平台以其高定位精度、高可靠性和大推力的优点,被广泛应用于精密加工等高端装备制造领域。但是PMLSM易受外部扰动、摩擦力和周期性推力波动的影响,导致直驱H型平台单轴PMLSM产生跟踪误差。此外,双轴间机械耦合等因素会导致其同步精度降低。因此,设计了基于迭代超螺旋滑模控制的H型平台模糊神经网络同步控制系统,以提高单轴跟踪精度和减小双轴同步控制误差。首先,对直驱H型平台的国内外发展现状和控制策略进行了介绍。对PMLSM的基本结构和工作原理进行了阐述,并建立了PMLSM数学模型,基于PMLSM的数学模型,搭建了包含机械耦合与外部扰动等不确定性影响的直驱H型平台数学模型。其次,针对单轴PMLSM易受外部扰动、摩擦力和周期性推力波动等不确定性因素的影响,设计迭代超螺旋滑模控制器。超螺旋滑模控制能够抑制外部扰动的影响,增强系统的鲁棒性;基于超螺旋滑模控制设计了一种新型迭代学习律,利用迭代学习抑制摩擦力、推力波动等周期性扰动的影响;基于Lyapunov理论对系统的稳定性进行分析。通过仿真对控制器的有效性进行验证。最后,为降低双轴间机械耦合对直驱H型平台的影响,使其获得高品质的同步控制性能。以Chebyshev正交多项式作为模糊神经网络隐含层激活函数,设计递归Chebyshev模糊神经网络（Recurrent Chebyshev Fuzzy Neural Network,RCFNN）补偿控制器,该控制器可对轴间同步误差和单轴跟踪误差进行补偿,并利用BP算法对神经网络中的参数实时调节,使同步误差逐渐趋于最小值。利用MATLAB/Simulink对所设计的控制器进行建模仿真,与采用交叉耦合控制器的仿真结果进行对比,证明RCFNN补偿控制器的优越性。