轮廓精度是衡量数控机床加工产品质量好坏的一个重要指标,其主要受轮廓误差的影响。轮廓控制主要被分为轮廓误差估计和轮廓误差控制两个方面。针对数控系统采集得到的数字曲线,轮廓误差估计仍然存在精度不足的问题。迭代学习控制在处理重复性误差时有较好的效果,传统的迭代学习控制作用于数控系统内部,不易实现,并且其稳定性缺乏相应的理论证明。而且在空间周期上具有重复特性的一类运动控制系统,基于时间周期的迭代学习算法并不适用。为了更好的解决大批量重复加工中存在的问题,本文将建立一套具有完备理论分析的轮廓误差补偿机制。针对制造行业的大批量重复加工现状,提出了一种基于空间迭代学习的轮廓误差补偿算法,主要包括空间迭代学习模块、轮廓误差估计模块和进给速率调节模块。针对空间周期中具有重复特性的一类运动控制系统,提出了基于空间周期的迭代学习控制算法,通过修改参考轨迹的方法补偿轮廓误差,该方法不涉及底层控制器,在没有开放底层控制器的商业产品中,该方法具有更好的适用性,实施也更加便捷。通过分析数控机床机械系统动力学模型,结合李雅普诺夫函数,对空间迭代学习算法的稳定性进行了证明,即轮廓误差是可以随着迭代的进行不断减小的。针对从数控系统采集得到的离散数据点形式的规划位置和实际位置,提出一种基于Hermite样条的轮廓误差估计方法,在实验中对该估计方法进行了估计效果验证,并与常见的轮廓误差估计方法进行了对比,说明本文的方法有较高的估计精度和估计效率。在迭代修改几何轨迹算法基础上,提出了一种基于轨迹曲率特征的进给速率调节方式,可以在不降低运行效率的基础上大幅降低轨迹在大曲率区域的轮廓误差峰值,解决了大曲率轨迹中局部轮廓误差峰值较大,不满足加工精度要求的问题。本文的方法不仅适用于平面轨迹,而且适用于三维轨迹,可以较为简单的将该方法扩展到三维轨迹中。最后,通过三轴数控机床,验证了本文的方法在四阶椭圆轨迹和花朵曲线中的轮廓误差补偿效果,其轮廓误差峰值降低了80%,在经过进给速率调节后,花朵曲线的轮廓误差峰值有了进一步的降低,在三维轨迹中,轮廓误差补偿也有显著的效果。