迭代学习控制是一种新兴控制技术,它在非线性、未知模型等系统的控制方面有着独到优势,在工业机器人、数控机床等具有重复运行特性的领域有着非常好的应用前景。因为其简单而有效,近年来受到不少研究人员的关注,研究内容包括学习律的构成、收敛性、鲁棒性、初值及学习速度等问题。本文的主要工作包括以下几个方面:论文首先介绍了线性系统、非线性系统的一类PID型闭环迭代学习算法,讨论了这一算法的收敛性以及克服初始状态误差等扰动的鲁棒性。这一算法的优点体现在它的强鲁棒性和快速的学习速度上。同时文中还给出了这一算法的仿真示例。然后,文章针对非线性离散时变系统的迭代学习控制问题,提出了一种改进的迭代学习控制算法。在新控制算法中,除了在传统算法基础上增加了状态补偿外,还引用了小波变换来对跟踪误差进行了滤波而没有相位补偿。利用该算法进行学习控制,使系统的实际输出能更好地收敛于系统的理想输出。进一步地,从理论上证明了新算法的收敛性,并给出了仿真结果。最后文章针对多输入多输出线性时变系统提出了一种迭代学习控制算法,证明了算法收敛的充分必要条件。又进一步证明了该条件对于已提出的学习算法克服状态扰动,输出可测噪声和初始误差的鲁棒性也是充分的。为阐明结论最后给出了仿真实例。