高速加工和高精度加工成为当前高端制造业的主要发展方向,近年来,多轴直驱运动平台由于具有较大的结构刚度和较高的控制频宽等优点,被广泛应用在多轴机械臂、光刻机和3D打印机等生产加工设备上,并逐渐成为国内外研究的重点。因此,本文以多轴直驱运动平台作为实验对象,研究了平台运行中的动力学问题,基于建立的平台动力学模型设计了具有较高控制性能的轮廓运动控制器,并结合实物实验验证控制效果。本文首先对多轴直驱运动平台在实际运行中会引入高频柔性动力学的问题进行了阐述和分析,并基于该问题建立了包含横梁旋转角度的三自由度耦合动力学模型。其次,为解决对轮廓误差的控制问题,研究了全局任务坐标系的相关方法,并将建立的模型由笛卡尔空间转换到任务空间中,达成系统的路径跟踪误差和轮廓误差的解耦,具有较高的估计精度。再次,基于系统的刚性动力学模型设计了自适应鲁棒轮廓控制器,并设计了驱动力分配算法来尽可能保证两侧电机的运动同步,进一步,设计了基于耦合动力学模型的期望补偿间接自适应鲁棒轮廓控制器,在引入系统高频柔性动力学问题的基础上考虑参数估计收敛问题和信号测量噪声问题,实现了较高的控制性能。最后,考虑到RBF神经网络优秀的非线性投影映射能力,采用RBF神经网络代替自适应控制项中对模型不确定性和干扰的补偿,提出了基于耦合动力学模型的RBF神经网络自适应鲁棒轮廓控制器,在保证原有的性能基础上进一步提高了轮廓控制性能和运动同步性能。本文通过严格的推导证明了设计的轮廓控制器的收敛性和稳定性,并在多轴直驱运动平台上对控制器的有效性进行了实验验证。实验结果表明,自适应鲁棒轮廓控制器具有出色的控制性能,基于耦合动力学模型的控制器实现了对平台运动同步性能的提升,利用RBF神经网络能够进一步提升轮廓控制性能和运动同步性能。