直流伺服电动机是机电系统中重要的驱动设备,而摩擦是影响其控制性能的主要干扰之一,且具有时变性,故对摩擦进行参数辨识和补偿以提高伺服系统控制性能具有现实意义。群智能算法中的布谷鸟搜索(Cuckoo search,CS)算法具有全局搜索能力好、搜索路径优和多目标问题求解能力强等优点。本文通过改进CS算法寻优性能,提高了直流伺服系统摩擦参数辨识精度。主要工作如下:(1)研究了引入摩擦影响的直流伺服系统数学模型。通过对比分析Stribeck与LuGre摩擦模型,得到较精确的伺服系统稳态摩擦参数辨识模型。(2)为提高基本CS算法寻优性能,提出了基于模拟退火Boltzmann选择机制的自适应发现概率CS算法和基于迭代最优值的动态步长CS算法,并进行了理论分析。利用6个测试函数,对所提出的改进算法进行仿真分析,与粒子群算法、鸡群算法和CS算法的仿真结果作对比,从寻优过程、精度、时间、稳定性和效率等方面对其优缺点进行比较,验证了算法改进的有效性。(3)采用PD控制律,根据伺服系统摩擦模型,得到恒转速下的摩擦力矩估计值。利用具有较高寻优精度的动态步长CS算法对摩擦参数进行辨识,并与其它文献辨识结果对比,表明基于该算法的评价辨识误差的适应度值更趋理想,验证了该方法的优越性。通过Simulink仿真摩擦补偿实验,较好地消除了因摩擦影响而在位置跟踪的峰值附近出现的“平顶”现象,提高了伺服系统性能,实验验证了优化结果的正确性。