高加速度运动系统中非线性摩擦的建模补偿对提高轨迹跟踪性能至关重要.本文针对传统参数化模型难以准确预估高加速度运动启停阶段摩擦过冲等非线性摩擦的问题,在传统模型结构的基础上,结合扩展Stribeck模型,提出一种扩展参数化模型,模型参数的训练和学习样本源于高精度迭代学习控制获取的有限轨迹下非线性摩擦前馈补偿数据,并采用Levenberg-M　arquardt算法拟合模型参数.最后,在音圈电机驱动的高加速定位平台上针对不同运动轨迹进行了实验验证.结果表明,该方法能够克服传统参数化模型难以消除高加速度启停阶段摩擦过冲等非线性摩擦对轨迹跟踪精度的影响;且与迭代学习控制的轨迹跟踪精度接近,有效避免了迭代学习泛化性差等问题,可实现工作空间下任意轨迹的摩擦补偿.