文献综述（或调研报告）：
目前，对摩擦补偿的研究主要集中在基于摩擦模型的补偿方法中，简单来说即使用模型进行前馈补偿。之所以研究频率高、应用广泛，是因为该方法较简单，同时由于目前大量的伺服驱动系统结构为双闭环或三闭环，存在电流环，该方法能极大程度地在不破坏原有伺服驱动系统的设计上进行摩擦补偿，提高伺服系统精度。由于不需要重新设计整个伺服驱动系统，仅仅在原有设计上进行添加、改良，该方法具有较高的实用价值。
对基于摩擦模型的补偿方法的研究有几个主要的方向，其中一个是针对摩擦参数辨识的研究，因为参数辨识的准确性决定了摩擦模型是否准确，决定了补偿效果，同时，参数辨识方法的难易程度决定了是否具有实用价值。
K. Nakajima等[1]提出了一种基于遗传算法的非线性摩擦系统辨识策略，通过在非线性模型中引入分层编码策略，实现准确识别对象的结构和系数，并在精密定位设备中进行实验，验证了该策略的有效性。
侯明等[2]提出了一种采用正弦力驱动的直线电动机摩擦力数值建模方法，并在dSPACE系统中对该方法进行了实验，证明其能提高伺服系统准确性、能补偿摩擦。
马立等[3]对摩擦参数辨识中常用的最小二乘辨识算法进行了改进，该算法基于MATLAB中的辨识工具，具有迭代次数少、收敛快、辨识结果更精确等优点。
马正雷[4]根据建立的伺服驱动系统模型，设计了摩擦辨识实验并实施，完成了对LuGre摩擦模型的静态参数和动态参数的辨识。并使用辨识好的模型进行了前馈补偿，与其他补偿方法比较，验证所提出的方法的有效性。
马炯[5]选择Stribeck模型，引入分段线性化最小二乘法进行拟合，并引入神经网络实现精确建模。通过仿真证明，该方法能改善伺服系统在低速时的运行情况。
李明等[6]提出了一种改进遗传算法，对LuGre摩擦模型进行参数辨识，将辨识误差从10%左右降到了3%以内。
除了针对摩擦参数辨识的研究之外还有针对改进摩擦模型的研究。目前有多种摩擦模型可供选择，但还没有一种模型能真正精确地复现摩擦现象，哪怕是目前极为接近摩擦现象的LuGre摩擦模型，在实际中也存在由于参数过多、参数辨识准确度低、需求的计算能力高等诸多问题导致实用性不如精确度较低的其他摩擦模型的现象。因此，许多学者结合控制对象，对现有的摩擦模型做出了针对性改良。
