虚拟机床是利用计算机仿真技术建立的机床仿真模型。该技术能够帮助用户在仿真平台上快速开发和测试相关加工策略,并根据仿真结果对加工策略进行改进,降低了制造成本和生产时间。伺服进给系统包含从电机到工作台之间的传动链,是数控机床的重要组成部分之一。所以,建立一个准确的伺服进给系统模型是搭建虚拟机床的前提。伺服进给系统模型一般为复杂的非线性系统,其中部分参数无法通过简单的计算和测量获得,因此对伺服进给系统进行建模并对其中的部分参数进行辨识是重要的研究方向。本文以数控机床伺服进给系统单个进给轴为研究对象,通过对伺服进给系统进行动力学分析,推导出电机角位移到工作台位移之间的关系方程,据此利用仿真软件建立机床伺服进给系统机械部分的动力学模型。通过灵敏度分析方法测定了动力学模型中待辨识参数对动力学模型的仿真结果的影响程度,设计了分步辨识参数的实验方法。提出了基于单步强化学习的参数辨识算法和基于多步强化学习的参数辨识算法,并采用分布式计算框架,对动力学模型中的待辨识参数进行辨识。将基于强化学习的参数辨识算法与传统智能优化算法遗传算法和粒子群算法进行对比,结果表明基于强化学习的参数辨识算法的辨识结果更加准确且算法的稳定性更高。通过对动力学模型的参数辨识,模型的仿真精度进一步提升,验证了参数辨识结果的准确性。