机械加工不断向着高速高精度的方向发展。如何在高速加工中依然保证高精度,是数控技术研究的一个重要课题。高精度是指轮廓误差小,轮廓控制技术就是研究如何减小轮廓误差的技术。要得到比较好的轮廓控制效果,首先需要一个实时的且足够精确的轮廓误差估计来作为轮廓控制器的输入。为了验证轮廓误差估计算法,需要搭建一个合适的运动控制平台,简便快速地完成算法验证。为了适应传统运动控制系统正在逐渐被网络化运动控制系统所取代的趋势,本文搭建基于实时以太网的轮廓控制实验平台,以进一步研究实时以太网环境下的轮廓控制技术。本文首先以Simulink Real-Time为工具,搭建了一个算法快速验证的传统运动控制实验平台。在这个实验平台中,开发了参数曲线生成与插补算法模块、模型辨识模块、基于继电反馈的PID参数自整定模块、精确轮廓误差离线计算脚本、以及数据提取与存储模块。这些模块是研究轮廓误差控制需要用到的常用工具。为了研究网络化环境中的轮廓误差控制,本文以Powerlink作为实时以太网通信协议、以Zynq作为硬件平台,组建一个基于实时以太网的运动控制实验平台。由于轮廓控制时必须进行轮廓误差的实时估计,而传统方法在高速、大曲率时效果急剧变差。针对这个问题,本文提出了一种实时自适应轮廓误差估计法(ACEE),使误差估计点的数目多于伺服控制点的数目,提高了轮廓误差估计的精度。为了在实际数控系统中应用,针对常见的参数曲线插补算法提出一种修改方法,以配合自适应轮廓误差估计法。利用基于Simulink Real-Time的运动控制平台验证了自适应轮廓误差估计法在高速、大曲率时相对传统算法的优越性。最后,将自适应轮廓误差估计法(ACEE)应用于交叉耦合的轮廓控制。讨论了基于实时以太网的运动控制系统应用中需要解决的问题,包括实验数据的记录、系统的实时性测定、和单轴伺服控制器参数的整定。实验证明,基于自适应轮廓误差估计法的轮廓误差控制器相对于经典的轮廓误差控制器,可以得到更好的轮廓精度。