随着对大功率驱动需求的不断增加,多电机驱动伺服系统受到越来越多的关注,且广泛应用于工业、军事等领域。然而,由于多电机联动和传动环节等因素的存在,造成负载跟踪与电机同步的耦合、摩擦非线性以及齿隙非线性等问题,从而影响系统的性能和控制精度。因此,含未知非线性的多电机驱动伺服系统跟踪与同步控制的研究具有重要意义。本文针对含未知状态、摩擦非线性、齿隙非线性、输入饱和的多电机伺服系统,结合神经网络观测器、自适应鲁棒控制、切换控制、级联控制等策略,研究在不同条件下多电机伺服系统负载跟踪与电机同步的控制问题。主要内容概括如下:（1）针对含未知状态的双电机驱动伺服系统,提出一种基于变增益神经网络观测器的自适应控制算法,实现负载位置跟踪和电机速度同步。考虑到外界噪声对观测器的影响,提出变增益神经网络观测器用于在线估计伺服系统的状态和未知非线性,该观测器具有较快的收敛速度和较小的稳态误差,而且能够有效地抑制外部扰动对观测精度的影响。在状态估计的基础上,分别设计自适应递归快速终端滑模策略和交叉耦合同步策略实现负载精确跟踪与电机快速同步。此外,提出一种非线性同步系数描述电机速度同步的程度,并将其应用于同步控制器的设计中,从而减少跟踪与同步控制间的耦合作用。仿真结果验证了所提方法的有效性。（2）针对含未知非线性的四电机驱动伺服系统,提出一种基于最小学习参数的动态增益自适应鲁棒控制器解决负载位置跟踪与电机速度同步的耦合问题。基于时变增益K滤波器,设计L₂增益观测器估计未知状态,该策略能够增强观测器对外界扰动的鲁棒性。然后,设计自适应鲁棒控制器实现系统的跟踪与同步,该控制器由跟踪部分和同步部分组成。在跟踪控制部分,提出基于最优时间控制策略的积分滑模控制器实现小超调且短调节时间的跟踪控制。此外,该控制器能够消除传统滑模的奇异性且保证初始误差位于滑模面,从而提高算法的收敛速率。在同步控制部分,提出了含动态增益的自适应交叉耦合同步策略,保证了电机同步的同时减小了同步控制对跟踪的耦合作用。为了实现摩擦等非线性的补偿,提出了基于最小学习参数的自适应鲁棒补偿策略,并将其应用于上述控制器的设计中。该方法能够在最小学习参数的前提下,有效地消除摩擦等非线性对系统造成的影响。（3）针对含齿隙的多电机驱动伺服系统,提出一种切换控制策略实现齿隙的补偿,且保证负载跟踪与电机速度同步的瞬态和稳态性能。根据齿隙的特性,将控制策略分为连接模式和齿隙模式。在连接模式下,设计广义滑模面解决跟踪与同步耦合控制问题,其中,到达阶段和滑动阶段分别对应同步控制与跟踪控制。基于广义滑模面,分别采用改进的规定性能函数与初始化的方法设计自适应控制器,保证负载跟踪误差满足规定性能（如:最大超调、最大稳态误差以及收敛速度）,并同时实现L_∞性能下的电机同步控制。在齿隙模式下,考虑齿隙非线性和低速摩擦的影响,设计鲁棒控制策略有效地补偿齿隙非线性和摩擦的低速爬行现象,从而保证系统以指数速率度过齿隙。最后,在四电机驱动伺服系统上进行对比仿真,验证了该算法的有效性和可靠性。（4）考虑含有多个驱动系统和单个被驱动系统的广义级联系统,其中,多电机伺服系统为该系统的一种特例。在广义级联系统中,有界控制输入通过多个驱动子系统间接控制单个被驱动系统,从而造成系统输出跟踪和驱动子系统同步的复杂耦合问题。为了解决这个问题,首先结合优化策略与数据滤波技术设计自适应参数估计算法,实现被驱动系统未知参数的有限时间估计,并且保证参数估计性能的优化。利用保性能控制策略设计各驱动子系统的期望位置信号,当驱动子系统收敛于该信号时能够保证被驱动系统输出的精确跟踪。采用期望信号和图论理论设计广义耦合误差,将原有复杂的耦合控制问题转化为广义耦合误差的收敛问题,从而简化了控制器的设计复杂性且减少了跟踪与同步的耦合作用。然后,结合回声神经网络,提出一种新型时变滑模控制器,能够在输入饱和的前提下实现广义耦合误差的有限时间收敛。此外,该策略能够有效地消除传统滑模的到达阶段和奇异性,从而加快误差收敛速度且减小抖振效应。最后,通过对比仿真验证了算法的有效性。（5）以四电机驱动伺服系统为实验对象,主要考虑齿隙和摩擦对系统的影响,通过实验验证多电机驱动伺服系统的跟踪与同步控制算法。针对含齿隙和摩擦非线性的系统,验证了积分滑模跟踪控制器和自适应同步控制器的有效性,并将其与传统滑模控制以及鲁棒同步控制策略进行对比,实验结果说明了所提算法的优越性。针对含输入饱和和摩擦的系统,设计基于广义耦合误差的时变滑模控制器,通过与传统非奇异滑模策略的对比实验,验证了本文算法具有更好的瞬态和稳态特性。