随着现代工业的快速发展,间歇过程由于具有高附加值、精度高的特点而越来越受到人们的关注。但是与传统的连续而过程相比,间歇过程的反应机理涉及到更多的因素,过程更为复杂,更容易受到外界的干扰。另外,间歇过程的工艺精度有更高的要求,因此间歇过程的控制逐渐受到越来越多的研究学者的关注。本文主要针对具有不确定性因素的间歇过程,探讨迭代学习控制算法的设计方法以及应用。对于线性的具有不确定性因素的间歇过程,本文提出了一种基于二自由度的鲁棒迭代学习控制算法。通过分析系统的不确定性部分的幅频响应,采用鲁棒建模的方法获得系统的整体描述。在获得系统的鲁棒模型后,利用系统的标称模型设计前馈控制器,而反馈控制器由鲁棒控制算法得到。迭代学习控制器直接由鲁棒控制部分的性能权重函数构造,给系统的实施带来了很大的方便。从数学证明和仿真结果可以看出,本文提出的控制算法不但保证了首个批次的鲁棒稳定性,而且跟踪误差在几个批次后能够收敛到足够小的值。而对于非线性的间歇过程,难以用传统的建模和控制方法进行分析。本文从数据驱动的角度出发,采用高斯过程模型强大的非线性拟合能力对系统进行建模,通过多步预测的方法对间歇过程的被控变量终点值进行预测,构造Batch to Batch控制。通过迭代轴数据移窗的方法随着迭代轴不断调整高斯过程模型,使得系统存在参数漂移的情况下也能得到良好的控制。