对于电动静液作动器(Electro-Hydrostatic Actuator,EHA),传统扰动主动补偿控制方法(Active Disturbance Compensation Control Method,ADCM)存在扩张状态观测器(Extended State Obsever,ESO)对噪声敏感、控制器设计需要作动加速度信息的问题。针对以上问题,首先利用奇异摄动理论对EHA数学模型进行合理降阶,然后设计了一种基于滤波估计器(Filter Estimator,FE)的串级扰动估计器。此外,在控制器中加入阻尼自适应函数,设计了阻尼自适应扰动主动补偿控制器(FE-AD-ADCM),从而提高了系统的位置跟踪性能。最后,利用MATLAB/Simulink和Simcenter/AMESim联合仿真平台将该方法分别与传统PI和ADCM控制器进行了详细的仿真对比分析。仿真结果表明,提出的FE-AD-ADCM能有效提升EHA位置跟踪性能和对扰动的估计精度。

为提高数控机床精度，提出一种基于卡尔曼滤波法的机床误差建模新方法，将统计模型的回归系数看作状态向量，统计模型视为观测方程，利用卡尔曼滤波法实现了统计模型的建模，由于卡尔曼滤波法属于线性最小方差估计，所以相比最小二乘法可望获得更高的建模精度。对一台立式加工中心，利用温度传感器与非接触式激光位移传感器同步测量主轴温度变化及热误差，利用卡尔曼滤波法构建的热误差模型分别与利用最小二乘法（IS）、最dxz乘支持向量机法（LS-SVM）构建的模型进行对比，结果表明：卡尔曼滤波法的建模精度比最小二乘法和最小二乘支持向量机法分别高10．5％和1．8％，且建模时间比最小二乘法和最小二乘支持向量机法分别少0．9％和6．8％。