作为高端精密制造业中最核心、应用最广泛的部件之一,双边直驱龙门系统一直是国内外学术界的研究热点,其运动控制的性能直接影响各种精密元器件的生产加工质量和效率。然而,随着现代工业在产品加工精度、生产速度以及设备运行安全等方面的需求不断提高,双边直驱龙门系统的精密运动控制性能需求也愈加苛刻,特别是在高速、大跨距、大推力工作环境下的系统控制精度。系统中非线性动力学以及不确定性是影响双边直驱龙门系统控制性能最主要的因素之一,如惯性、摩擦力、推力波动以及外界干扰等,大幅增加了系统的高精度控制算法设计以及控制性能分析的复杂性。除此之外,大行程、大跨距工况下,系统的横梁发生的微小旋转对工作台定位精度的影响不可忽略,并且由于横梁旋转导致横梁两端导轨副内轴承滚珠受挤压而变形,产生巨大内力,造成系统硬件磨损,影响系统的运行安全。在高速、大推力工况下,系统的非线性、不确定性以及横梁旋转对系统运动性能的影响将被迅速放大,严重威胁系统的运动精度以及运行安全。因此,本文在详细总结了国内外针对双边直驱龙门系统精密运动控制方法的研究现状后,面向系统在高速、大推力工况下的精密运动控制方法开展进一步的研究工作,以突破现有双边直驱龙门系统的精密运动控制方法的性能约束。论文首分析了现有双边直驱龙门系统动力学模型的不足之处,并进一步细化了双边直驱龙门系统的不确定性动力学影响因素,同时考虑了系统平移的牛顿动力学以及由横梁微小旋转引起的刚体旋转动力学。依据功能定律以及变分法基本原理,建立了双边直驱龙门系统的三自由度刚柔耦合动力学模型。在此基础上,针对模型中的横梁参数和工作台参数,分别设计带有遗忘因子的递推最小二乘参数辨识方法估计系统中的未知参数,并通过实验验证了辨识结果的准确性,为后续开展双边直驱龙门系统的精密运动控制器设计提供参考。其次,论文忽略双边直驱龙门系统的柔性结构,重点针对系统平移运动的非线性动力学以及不确定性开展研究工作。针对系统中的摩擦力模型误差、推力波动及其他复杂非线性未知动力学等影响因素,基于小波级数的重构能力以及B样条尺度函数的有限紧支撑特性,设计了一种具有局部逼近能力以及可解释性的B样条小波神经网络近似方法对系统未知动力学高精度近似,同时具有较低的计算量。在此基础上,依据自适应鲁棒控制算法框架,设计基于B样条小波神经网络的低保守性鲁棒控制方法,从理论上保证了闭环控制系统的稳定性,同时实现了复杂工作环境下直驱伺服系统的高精度轨迹跟踪控制。为了验证所提基于B样条小波神经网络的高精度鲁棒控制方法的优越性,在实际直驱伺服系统上将所提方法与其他现有控制方法进行对比测试,突出所提基于B样条小波神经网络的控制方法在直驱伺服系统的高性能控制上的优势。随后,论文同时考虑了双边直驱龙门系统的平动动力学以及旋转动力学,以轮廓任务为背景,研究系统中三台直线电机的协调控制方法。在全局任务坐标系下,平面轮廓控制任务被分解为沿着轮廓线方向的轨迹跟踪问题以及垂直于轮廓线方向的镇定问题。沿着轮廓线方向的跟踪误差通常无法显示求解,利用数值方法对其进行近似不仅造成计算量的浪费,还会会引入近似误差,影响轮廓控制性能。论文针对这一问题,设计了基于进给速度的轮廓控制方法,避免了直接计算沿着轮廓线方向的跟踪误差,提高了算法效率。此外,为了提高三台直线电机的协调性能,设计了四层结构的B样条小波神经网络对三台电机所受的推力波动进行补偿,实现了轮廓控制性能的进一步优化。论文不仅在理论上证明了在所提控制方法下系统的稳定性,在实际双边直驱龙门系统上的对比实验验证结果也说明了所提基于进给速度的轮廓控制方法的有效性。最后,考虑到实际工业中多以直驱伺服系统的反复作业任务为主,为了方便对不同的反复作业任务进行研究工作,论文建立了一般直驱伺服系统反复作业任务模型,统一描述不同结构直驱伺服系统的不同反复作业任务。基于建立的模型,设计了基于B样条小波神经网络的干扰观测器对系统中的周期性模态进行在线估计以及低保守性鲁棒控制算法对其他未知模态进行反馈抑制,实现反复作业任务的高性能控制。为了证明所提的直驱伺服系统反复作业任务控制方法的一般性,论文分别针对直驱伺服系统的周期性轨迹跟踪控制以及双边直驱龙门系统的往复轮廓控制两种任务,给出了所提理论下两个控制算法的具体形式,并同其他现有控制方法进行对比测试,验证了所提控制方法在反复作业任务中的性能优势。