迭代学习控制是智能控制的一个重要分支,其控制过程主要是通过不断重复地修正控制输入,最终使控制输出信号完全跟踪期望轨迹。在众多控制方法中,由于迭代学习控制作用原理简单易懂,控制算法易于实现,引起了国内外众多学者的研究关注。本文首先介绍了迭代学习控制的国内外研究方向的和现状,简要概述了迭代学习控制的研究内容和方法,然后给出了带遗忘因子的变增益迭代学习控制算法的研究,主要研究内容如下:1.为改善变增益迭代学习控制收敛速度快而导致的系统跟踪误差波动大的缺点,在变增益迭代学习控制中引入可变遗忘因子,并设遗忘因子为迭代次数的函数。在线性系统中,采用D型迭代学习控制,设计带遗忘因子的变增益迭代学习控制,并对学习律进行收敛性分析。分别对带遗忘因子的迭代学习控制和变增益迭代学习控制进行MATLAB仿真对比,仿真结果表明带遗忘因子的变增益迭代学习控制不仅能提高迭代收敛速度,而且明显改善了跟踪误差的平稳性,并且削弱了对初始输入的限制条件。2.为解决迭代学习控制在增益参数选取上的困难,在带遗忘因子的变增益迭代学习控制的基础上,结合参数优化方法。在线性离散系统中,采用带遗忘因子的变增益迭代学习控制学习律,设计针对学习律的参数优化约束公式,使每次迭代过程都按照优化问题进行解决。对参数优化解进行求解并证明求得参数为最优解。设计MATLAB仿真实验,对比带遗忘因子的变增益迭代学习控制和单一参数优化的改进迭代学习控制,仿真结果表明基于参数优化的改进迭代学习控制能够明显改善迭代学习控制的各项性能。3.针对机械臂系统,在控制系统存在非线性并且带有系统干扰的情形下,在带遗忘因子的变增益迭代学习控制中引入自适应思想,根据Lapunov稳定性定理对学习律进行收敛性分析;通过MATLAB仿真对比PID型自适应迭代学习控制,仿真结果表明本文所设计的改进自适应迭代学习控制在误差平稳性和收敛速度均有所提高,并且针对系统干扰具有良好的鲁棒性。