长行程和高精度是当前驱动进给系统面临的需求和挑战。以传统电机作为宏执行器,虽然能提供较大的行程,但是响应速度慢和精度低的缺陷,使其难以在精密定位系统中发挥作用。而基于智能材料的微执行器响应速度快、定位精度高,但是行程有限。因此需要合理地设计宏执行器和微执行器的控制方案,结合宏执行器和微执行器的优点,使得整个双级执行器实现长行程高精度的定位。主要研究工作和成果如下:(1)考虑一类含有非匹配不确定性的非线性系统,Bouc-Wen模型用于描述非线性系统中的迟滞非线性,采用径向基神经网络(RBFNN),对非平滑、多映射的迟滞非线性进行在线逼近,将时变的迟滞转化为权值矩阵的学习,通过李雅普诺夫稳定性理论得到权值矩阵的更新律。设计的多层滑模自适应控制器,能够有效地解决系统中含有非匹配不确定性的问题,并可将系统跟踪误差收敛到预设的边界层内。(2)针对一类含有backlash-like迟滞特性的状态受限非线性系统,基于障碍型李雅普诺夫函数(BLF)和径向基神经网络(RBFNN)设计了一种输出反馈控制器。首先,在系统状态不可测的情况下,通过BLF解决系统状态受限问题。其次引入RBF神经网络近似逼近backlash-like迟滞中的类扰动项,在类扰动项界未知的情况下,削弱迟滞效应对系统的影响。最后通过李雅普诺夫稳定性定理设计控制器,证明了闭环系统的稳定性,仿真结果表明了该控制方案的可行性。(3)针对质量-弹簧-阻尼结构描述的双级执行器,采用解耦控制方式,宏执行器跟踪参考信号,而微执行器补偿宏执行器的跟踪误差。只要保证宏执行器的跟踪误差在微执行器的执行范围以内,就能使整个双级执行器的输出稳定在目标值上。为宏执行器设计了近似时间最优控制器,能实现快速定位;微执行器采用基于预测控制的离散滑模控制器,对系统中匹配的或非匹配的不确定性都有很强的鲁棒性,且能有效地削弱滑模控制信号的抖振。仿真结果表明了该控制方案的可行性。