摘要
本申请涉及伺服电机控制技术领域，具体公开了一种伺服电机智能控制系统及方法，方法包括：采集伺服电机的位置、速度、电流和加速度数据构建状态向量；基于理论参数构建基准扰动观测器，输出观测状态、扰动值和观测残差；利用观测残差和状态向量构建多尺度时序特征张量，通过CNN‑Transformer网络预测未来扰动；将神经网络预测结果与基准观测器输出进行自适应融合；通过约束滤波器和幅值限制器对扰动补偿进行安全约束；将约束后的补偿信号注入控制系统，并通过在线增量学习持续优化网络性能。本申请融合了传统观测器和深度学习技术，实现了对复杂非线性扰动的精准预测和有效抑制，显著提高了伺服电机的控制稳定性。
