1.一种基于闭环交叉耦合迭代学习的水晶研磨控制方法，其特征在于，包括以下步骤：S10，建立水晶研磨伺服系统数学模型；

S20，建立离散型闭环交叉耦合迭代学习控制器对位置进行控制；

S30，离散型闭环迭代学习控制器产生新的控制信号；

S40，控制器根据期望位置信息和实际信息得到新的跟踪误差；

S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响；

其中，S10，建立水晶研磨伺服系统数学模型具体为：S11，使用矢量控制的方法使水晶研磨伺服电机获得类似于直流电机的特性，将数学模型简化为：

式中：Te(t)为电磁转矩，TL(t)为负载转矩，θ(t)为电机机械角位置，ω(t)为电机机械角速度，Bf为粘滞摩擦系数，J为系统等效转动惯量，输出变量为θ(t)，控制变量为Te(t)，将公式(1)写成状态空间方程，并离散化得到以下形式：S12，将公式(1)改写为状态空间方程，再进行离散化，得：T

其中x＝[θ(j) ω(j)]为系统状态变量，u(j)＝Te(j)＝kTiq(j)为控制输入变量，系统各矩阵如下：

T

B＝[0 1/J]，C＝[1 0]S13，对于包括x轴和y轴的被控系统，每个轴的数学模型均用公式(2)表示，则x轴和y轴的模型经离散化之后分别为：

其中A、B、C的定义与公式(2)相同，x1，k(j+1)和x2，k(j+1)分别为x轴和y轴模型在第j+1时刻的状态，y1，k(j+1)和y2，k(j+1)别为x轴和y轴模型在第j+1时刻的输出；

S40，控制器根据期望位置信息和实际信息得到新的跟踪误差具体为：S41，定义j时刻轮廓误差εk(j)的计算与交叉耦合增益系数密切相关，先计算出交叉耦合增益系数τx(j)和τy(j)以及单轴的跟踪误差e1，k(j)和e2，k(j)，定义x轴、y轴和轮廓误差分别为：

e1，k(j)＝y1，d(j)‑y1，k(j)                       (5)e2，k(j)＝y2，d(j)‑y2，k(j)                         (6)其中，y1，d(j)和y2，d(j)分别为j时刻x轴和y轴的期望给定信号，S42，将公式(5)和(6)整理可得ek(j)＝yd(j)‑yk(j)                    (7)其中，

S43，轮廓误差的计算公式为：

εk(j)＝τy(j)e2，k(j)‑τx(j)e1，k(j)             (8)其中 其中，θ为某一时刻期望轨迹或者其切线方向与x轴的夹角；ρ为该时刻期望一般曲线轮廓运动轨迹的曲率半径，定义τ(j)为：S44，S43中公式(8)重新描述为：其中S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响具体为：S51，对公式(3)和公式(4)所描述的交叉耦合系统，设计交叉耦合迭代学习控制律如下：

其中， 分别为x轴和y轴的比例增益， 为轮廓误差控制的比例增益，将公式(11)和公式(12)写成矩阵的形式有：其中，

那么，对于公式(3)和公式(4)所描述的交叉耦合控制系统，设计公式(11)和公式(12)所示的交叉耦合迭代学习控制算法，当迭代次数足够大时，x轴和y轴以及轮廓误差趋于0，即

2.一种基于闭环交叉耦合迭代学习的水晶研磨控制系统，其特征在于，采用如权利要求1所述的基于闭环交叉耦合迭代学习的水晶研磨控制方法，包括轮廓分配模型，存储模块，X轴迭代学习控制器，Y轴迭代学习控制器，其中轮廓分配模型用来将轮廓期望曲面或曲线分解为X轴和Y轴的期望曲线，存储模块用来存储历史控制信息，X轴迭代学习控制器根据当前误差用来计算当前时刻X轴的控制量，Y轴迭代学习控制器根据当前误差用来计算当前时刻Y轴的控制量，首先，根据点云数据获取算法获得水晶轮廓研磨系统所需的期望前进的距离信息，经过轮廓误差分配模型分别给出X轴和Y轴的期望运动信息，然后，根据系统中的位置传感器实时得到的实际运动信息，控制器根据期望运动和实际运动信息计算得到的误差，最后根据离散交叉耦合迭代学习控制器算法，结合上次的控制输出量和当前次的误差，计算得到本次迭代的控制输出量，并将误差和控制量同时存储在存储器中，同时，交叉耦合迭代学习控制器根据X轴和Y轴的误差信息，计算得出耦合补偿信息，与进而控制电机按照期望的前进距离工作。