三维椭圆振动切削(Elliptical Vibration Cutting,EVC)是近年来发展起来的一种新的加工方法,可获得微纳加工所需的切削运动,用于改善某些难加工材料的切削加工性等。合理的机械结构以及控制方法是三维EVC在加工中实现最佳性能的重要保障。现有的三维EVC装置对于消除各轴之间的运动耦合、三维椭圆运动轨迹的可控制性以及三维椭圆运动对驱动的非线性等问题没有合理的解决方案。本文将主要针对这几个方面的问题进行深入研究。基于课题组研制的柔性铰链混联驱动三维EVC装置进行动力学建模。首先对课题组研制的三维EVC装置进行了简单介绍,然后对装置简化模型进行系统动力学建模,得出各向传递函数为三阶参数模型。本文针对所研究的三维EVC装置的系统动力学模型,具体研究分析了RBF神经网络控制方法和自适应滑模控制方法的优缺点。在RBF神经网络和自适应滑模两种控制策略的基础上,提出了RBF神经网络自适应滑模控制方法,此方法具有两种控制策略的优点,且相互影响一定程度上弥补了各自的不足。基于三维椭圆振动切削系统的非线性特征,设计滑模控制律,结合改进的深度学习神经网络控制算法。对系统模型采用RBF神经网络自适应滑模控制器来进行控制。并采用RBF神经网络对传递函数进行辨识比较,得出精确传递函数。采用设计的控制器和装置模型进行仿真分析,仿真的结果表明,RBF神经网络自适应滑模控制器可以有效的抑制抖振问题,具有很强的鲁棒性。搭建NI模拟控制平台进行验证实验。首先搭建了NI模拟控制器的控制实验平台,编辑控制程序,将已设定好的参数输入模拟控制器,采集数据,输入到装置模型中,得出装置的位移跟踪曲线和速度跟踪曲线。分析实验结果,验证本文设计控制器的可行性和优越性。