运动控制已逐步成为一个新的研究热点,而运动控制系统中的非线性摩擦力的补偿技术,也已成为备受控制工作者关注的课题.在机器人、机床、无线电天线和天文望远镜等运动控制系统的速度和位置跟踪控制中,其工作过程中都存在着静、动摩擦力、粘性摩擦力以及执行机构的饱和等非线性特性的影响,尤其在低速、换向时影响更大.这对跟踪精度和运动平稳性的要求都很高的系统,是一个亟待解决的问题.论文采用MATLAB下的SIMULINK仿真软件包对有非线性摩擦力影响的直流伺服电机进行仿真研究,寻求合适的、先进的控制策略,对非线性摩擦力进行补偿,以消除或减小其影响.作者首先采用的是PID型控制器,由于非线性摩擦力的影响,低速跟踪时,其位置跟踪出现"平顶"现象,速度跟踪存在"死区"现象,这对于有高跟踪精度和运动平稳性要求的运动控制系统来说,是不可以接受的.然后采用直接力矩前向补偿的方法,预测出干扰的数值,在前向回路中的正常控制中加入一个与干扰同值但符号相反的作用.采用PID控制+前馈补偿控制可以在很大程度上消除常数库仑摩擦的影响,基本上消除位置跟踪的"平顶"和速度跟踪的"死区",实现较高的位置跟踪和速度跟踪的精度,但对非线性摩擦力的补偿却无能为力.为此,作者进一步把BP神经网络应用到系统的建模与控制当中,用经过训练的神经网络补偿器来消除或减小非线性静摩擦力的影响,与神经网络相并联的负反馈控制器可以用来获得期望的动态特性.试验结果表明,相对于常规的控制器,此控制策略能够使系统达到更高的性能指标.