随着许多大惯量、大功率系统在工业中的广泛应用,多电机驱动伺服系统已经成为现今伺服控制系统领域研究和发展的方向之一。然而,齿轮传动结构中存在的各种非线性,如齿隙、摩擦及外部干扰等,均会导致系统控制精度的降低。此外,多电机之间的同步问题也是影响系统控制性能的另外一个重要因素。因此,研究基于性能优化的多电机驱动伺服系统跟踪和同步控制具有重要意义。本文针对多电机驱动伺服系统中存在的未知状态,摩擦非线性、齿隙非线性以及负载和电机之间的耦合等问题,分别将K-滤波观测器、扩张状态和扰动观测器、神经网络、预定性能函数和自适应偏置力矩融合到动态面控制、最优控制、H_∞控制和保性能鲁棒控制中实现多电机驱动伺服系统的负载跟踪和电机同步。本文的主要内容总结如下:(1)针对多电机驱动伺服系统中的间隙、摩擦以及其他干扰,提出了一种带有自适应偏置力矩的改进神经网络动态面控制器。通过引入连续混合微分器代替一阶滤波器,所设计的改进动态面控制能够降低滤波误差对系统的影响从而提高负载的跟踪精度。对于由齿隙造成的负载在间隙的不可控问题,在上述动态面控制器的基础上设计了一种基于预定性能函数的自适应偏置力矩方法,保证了负载在间隙时的可控性从而实现跟踪误差的渐近收敛。此外,针对摩擦非线性和其它外部扰动,利用小波回声神经网络对其进行逼近并在控制器当中进行补偿,消除了未知非线性对系统控制性能的影响。(2)针对多电机驱动伺服系统的不可测状态和未知扰动问题,提出了一种自适应鲁棒H_∞控制方案同时实现负载跟踪和电机之间的同步。将神经网络融合到基于K-滤波的观测器中同时估计系统的未知状态和非线性,并利用滤波器输出代替估计状态来递推控制律,可以避免未知非线性对观测器的影响并且简化控制器的设计结构。并基于以上神经网络观测器设计了带有最小参数学习技术的H_∞动态面控制方法,在减少神经网络权重调节参数的同时保证了跟踪误差满足H_∞性能指标。最后设计了基于平均偏差耦合策略的分布式同步控制器,在实现电机间快速同步的同时也避免了同步控制器对负载跟踪的影响。(3)针对多电机驱动伺服系统的多变量、高阶、强耦合和非线性特性,提出了多电机驱动伺服系统的串级优化控制方案。通过将多电机驱动伺服系统分解为负载子系统和多电机子系统,提出了一种包括控制外环和控制内环的串级优化控制框架。该控制框架通过分解综合性能指标解决了负载和电机间的耦合问题,因此可以分别对负载和电机设计最优跟踪控制器和最优同步控制器。将反推控制技术融合到最优跟踪控制器中,解决了电机端未知参考指令的问题;并通过平均偏差耦合控制策略来设计最优同步控制器,能够保证所有电机状态收敛到其平均值。另外,将扩张状态和扰动观测器分别应用到最优跟踪控制器和最优同步控制器中,同时实现对系统的不可测状态和未知非线性的估计。所提出的串级优化控制框架不仅实现了负载跟踪性能和多电机同步性能的最优,而且增强了系统的鲁棒性。(4)针对含不确定非线性的多电机驱动伺服系统,提出了一种新的复合控制方法,以实现全部跟踪误差的预定性能收敛。该复合控制器由前馈控制器和反馈控制器构成。通过将预定性能函数引入到神经网络动态面控制中构造了前馈控制器,能够保证跟踪误差的瞬态和稳态响应均被约束在给定的范围内,并利用预测误差代替跟踪误差来更新神经网络权重,可以在不产生高频振荡的情况下获得光滑和快速的逼近能力。针对系统中存在的不确定性会破坏跟踪误差的预定性能和神经网络的逼近精度问题,在前馈控制的基础上,提出了基于保性能鲁棒的反馈控制器,保证了闭环系统的鲁棒稳定性并且使得系统的性能指标有一确定的上界。最后,以四电机驱动伺服系统平台为实验对象,对本文提出的所有方法进行了仿真和实验验证,证明了所提出的控制方法可以实现负载跟踪和电机同步,并与其他控制算法比较,验证了所提出的控制方法具有更好的瞬态和稳态性能。