前馈控制在直线电机运动平台的控制系统中具有重要作用。前馈控制通过先验知识获得前馈控制信号,使用前馈控制信号对误差进行预先补偿,从而有效的提高控制精度。对于对控制精度要求很高的轨迹跟踪任务,研究和实现高速高精度的前馈控制方法,具有重要的现实意义和应用价值。传统的前馈控制方法包括迭代学习控制、基于模型的前馈控制和迭代前馈调参方法等,它们各自具有不同的优缺点。迭代学习控制适用于重复性任务,可以有效提升控制精度,但非重复性扰动会导致误差累积,且泛化能力差。基于模型的前馈控制泛化能力强,但控制效果依赖于模型的质量。迭代前馈调参方法不依赖系统模型,且泛化能力强,但精度低于迭代学习控制。本文针对基因测序仪中执行步进扫描轨迹跟踪任务的二自由度直线电机工件台,根据高精度、具有泛化能力且不依赖于系统模型的控制需求,对前馈控制方法进行了理论分析,提出并设计了满足工件台控制需求的控制算法,并通过实验验证了算法的可行性与有效性。首先,根据物理意义建立控制对象的数学模型,并通过扫频实验辨识出模型参数,从而建立系统数学模型,为仿真建模和收敛性分析奠定了基础。根据工程实际中的控制任务,分析并说明了控制需求,并根据实际轨迹跟踪任务规划了合适的参考轨迹。其次,为了防止迭代学习控制中的误差累积现象,对迭代学习控制中的非重复性扰动抑制问题进行了研究。通过对轨迹跟踪任务的分析与分段,设计了自适应变化的学习增益矩阵和截止频率自适应变化的滤波器,进而设计了自适应的迭代学习控制算法,从而抑制了非重复性扰动的累积,提高了整个轨迹跟踪任务中的的跟踪精度。第三,为了减轻迭代学习控制在参考轨迹变化时存在的效果恶化问题,对迭代前馈调参进行了研究。通过引入基函数,建立参数化控制器,对现有的不同种类的基函数进行研究,并研究了不同的参数调优方法。通过理论分析与仿真分析,比较了各方法的优缺点,并选择了适合本课题的迭代前馈调参方法,补偿了参考轨迹引入的扰动,改善了效果恶化的问题。然后,根据实际控制需求与上述研究,提出了适合于本课题研究对象的控制方法,即设计了结合迭代前馈调参与迭代学习控制的控制算法。算法是数据驱动的,只需要采集输入输出数据,不依赖于系统模型;算法可以达到高控制精度,且具有一定泛化能力,同时改善了传统迭代学习在参考轨迹发生变化时存在的效果恶化问题。本文对算法进行了理论分析与推导,并给出了控制过程的程序与流程图。最后,为了验证上述控制算法,搭建了由上位PC机,POWER PMAC控制卡,AMAC驱动器和NEWPORT IDL225直线电机运动平台组成的实验伺服系统,对迭代前馈调参、自适应迭代学习控制与提出的算法分别进行实验。通过对采集到的实验数据进行分析,从控制精度和泛化能力等角度验证了算法的有效性和优越性。