数控机床在加工复杂工件时存在大量的定位辅助行程,为了提高数控机床的工作效率,应尽可能减小数控机床在辅助行程的运行时间,因此需要对辅助行程以轨迹运行时间最小为目标进行轨迹优化。目前传统的数控机床辅助行程插补方法多采用直线圆弧的梯形和S型速度曲线插补,且其中加加速度、加速时间、最大速度等参数需要人为设定,这一方面不利于数控机床智能化的实现,另一方面不利于高速控制的实现。本文针对如何实现数控机床辅助行程的高速运动控制以提高工作效率和如何实现数控机床加工过程的高精度运动控制以提高加工质量两方面展开研究,主要内容包括:（1）根据拉格朗日第二类方程建立数控机床的动力学模型;以傅里叶级数为变量、以动力学模型观测矩阵的条件数为目标设计激励轨迹;利用递推最小二乘法对动力学参数进行辨识。实验结果表明辨识得到的动力学模型可以较好地拟合数控机床的实际模型。（2）为了对电机力矩进行约束,提出基于数控机床动力学模型的类数值积分时间最优轨迹优化方法:基于辨识得到的动力学模型,以电机速度、加速度和力矩约束为约束条件、以轨迹运行时间为目标函数,建立时间最优轨迹优化问题的数学模型,采用类数值积分方法进行求解。仿真结果表明类数值积分算法优化得到的轨迹速度、加速度和力矩均满足约束条件,而实验结果表明类数值积分算法优化得到的轨迹部分点的力矩超出额定力矩限制,这是理论动力学模型和实际模型不匹配所导致的。（3）为了避免数控机床时间最优轨迹优化中理论动力学模型和实际模型不匹配的问题,从而解决电机动载荷过载问题,提出免动力学模型的时间最优轨迹优化强化学习方法:根据电机的运动学约束构建时间最优轨迹优化问题的强化学习环境;考虑时间最优轨迹优化问题的特性,以SARSA算法为基础对算法的动作、奖励和动作状态值函数进行相应的改进,从而得到用于时间最优轨迹优化问题的改进SARSA算法;并提出与真实环境的迭代交互法,通过与真实环境的交互将动力学力矩约束引入到强化学习环境中,从而利用改进SARSA算法求解,以此不断迭代,最终得到同时满足运动学约束和动力学约束的时间最优轨迹。实验结果表明经过多次迭代后,得到的轨迹速度、加速度和力矩均能满足约束条件。（4）针对数控机床所受到的噪声、摩擦以及丝杠与丝杠螺母之间的间隙等非线性扰动的影响,利用数控机床重复工作的特点,提出基于双编码器的迭代学习误差控制方法:使用系统辨识方法对电机输出和工作台输出之间的传递函数进行辨识;将负载端实际输出与期望输入之间的误差考虑到控制中,并利用迭代学习方法对误差进行控制;最后对所提的基于双编码器的迭代学习误差控制方法,采用提升矩阵形式对其进行了稳定性分析。实验结果表明所提出的基于双编码器的迭代学习误差控制方法不仅可以对输入和扰动做出反应以适应系统模型中的变化或不确定性,还可以对扰动、摩擦和未建模的非线性行为进行学习和补偿,经过几次迭代后轨迹跟踪误差的最大值和均方根都有大幅度的减小,最终实现数控机床的高精度运动控制。