不确定性系统的参数学习和反馈控制作为贯穿控制科学的核心问题，广泛存在于工业制造、航空航天、经济金融等领域中。根据不确定性本质的不同，常见的有两大类：随机不确定性和有界不确定性。前者主要体现在随机干扰、状态不可测、局部信息等情形，通常假定其统计特性(概率分布或各阶矩)已知，后者体现在未知参数摄动、未建模动态、切换特性等方面，通常将其描述为边界已知的凸域(区间域或椭球域)。由于实际系统受到的不确定性往往不以某种形式单独存在，表现为两类不确定性共存的情况，即受到双重不确定性的影响。因此，本文对双重不确定性系统学习与控制问题进行了深入研究，取得了如下研究成果：　　1．提出了一种鲁棒优化辨识算法，该算法打破了传统辨识理论的两个局限，一方面假设系统噪声无穷范数有界，另一方面考虑输入输山数据质量对辨识结果的影响，基于鲁棒二阶锥规划理论，将不确定系统的辨识问题转化为一个确定的半正定规划问题，利用凸优化理论求解，实现了对未知参数的估计，仿真结果验证了算法的有效性。　　2．提出了一种线性二次型有界控制算法，该算法弱化了传统LQG控制问题中噪声服从已知高斯分布的严苛要求，假设其属于非随机有界不确定椭球集，利用系统的线性特点，结合集员滤波和鲁捧优化理论，实现了控制器的设计，仿真结果表明了算法的有效性。　　3．提出了一种鲁棒学习跟踪控制算法，该算法在传统最小方差控制的基础上，考虑系统参数存在有界不确定性的问题，通过对未知参数区间的等概率分割，结合贝叶斯学习理论和最小方差控制方法，实现了双重不确定性系统的鲁棒学习跟踪控制器的设计，该控制器在实现对期望输出跟踪的同时实现了对未知参数的学习。　　4．提出了一种自适应对偶LQG控制算法，该算法考虑了状态方程和测量方程存在有界未知参数的LQG问题，首先将连续参数空间离散化，获得了包含真实系统的一个模型集合，然后对每个可能的系统模型实现最优控制，最后利用后验概率加权的思想，推导出了兼顾学习功能的自适应对偶控制器。　　5.针对同时存在有界未知参数和外部随机噪声的近空间高超声速飞行器纵向飞行系统，在平衡点附近对其线性离散化，建立了具有双重不确定性的离散线性系统模型，然后利用提出的自适应对偶LQG控制算法实现了对飞行器的姿态控制。