近年来,国际上对X-Y定位平台的控制问题进行了大量研究,尤其是X-Y定位平台的力/位置控制问题吸引了许多学者和专家的注意。许多学者不断运用新的控制理论和方法,从不同的角度对X-Y定位平台的力/位置控制进行理论和实际应用上的尝试。X-Y定位平台是一种具有非线性、耦合性却含有诸多不确定性的对象,在完成加工工作时,工件刚度的不同对控制性能也有较大的影响。基于上述问题,本文在力/位置混合控制的基础上,以X-Y定位平台为被控对象,对几种智能控制策略进行了研究。在X-Y定位平台力/位置混合控制的基础上,首先设计了一种基于迭代学习控制的控制方案。与传统的迭代学习控制方法不同的是,本方案引入了模糊控制器在线调节迭代学习控制律中的一个重要参数Γ,增强了迭代学习控制策略的完备性。在现代科学关于迭代学习控制的研究中,大多数都将迭代学习控制方法应用于位置控制部分中,本文根据X-Y定位平台的工作特征,将迭代学习控制方法引入到了力控制环中,通过每周期更新力和位置误差来更新前馈补偿,增强了系统性能。针对迭代学习控制方法需要较大的计算量的不足,本文又提出了将重复控制补偿与自适应模糊控制方法相结合的控制方案。用重复控制作为误差补偿与传统简单的PID控制器相结合作为位置控制部分所采用的控制算法。同时在力控制回路中采用一种自适应模糊控制方法。通过引入一个切换函数来确定控制律形式,再根据我们所设计的模糊规则对变量进行模糊化再解模糊得到最后的控制律结果。在此基础上,本文又进一步延伸,提出了一种基于重复控制补偿和CMAC神经网络控制相结合的力/位置混合控制方法。仿真结果表明,所有的控制策略都使力和位置的跟踪效果达到了较理想的水平。