随着间歇过程在现代工业中的广泛应用,与其相关的控制研究越来越为人们所关注,但间歇过程自身所具有的大时滞、非线性、参数时变和模型不确定等特点,使其控制研究成为一项非常具有挑战性的课题。本文针对具有初值偏差和可重复输出扰动的一类非线性时滞间歇过程,进行了PD型迭代学习控制研究,主要工作如下：(1)针对三类具有不同时滞的非线性系统,进行了迭代学习算法收敛性研究：对非线性状态时滞系统,给出带遗忘因子的闭环PD型迭代学习算法；对非线性控制时滞系统,给出超前型带遗忘因子的开环PD型迭代学习算法；对非线性状态与控制时滞系统,给出超前型开闭环PD型迭代学习算法。对以上算法,给出了谱半径形式的算法收敛条件,并采用算子理论和λ一范数理论进行算法收敛性证明。(2)通过仿真,验证了上述算法与收敛条件的一致性,并通过与普通开环PD型迭代学习算法的对比仿真,表明了上述算法在轨迹跟踪、干扰抑制方面具有一定的优势；(3)分析了以上给出的闭环PD型和开闭环PD型迭代学习算法的收敛速度,从理论上得出了一些影响算法收敛速度的因素,为进一步改进算法收敛速度提供了理论依据；(4)以不饱和聚酯树脂生产这一典型的间歇过程为背景,针对其生产中的关键控制对象一连续搅拌釜式反应器建立了数学模型,采用开闭环PD型迭代学习算法对此模型进行了仿真研究,并通过与常规PID控制算法的对比仿真,验证了所用迭代学习控制算法对此对象可以取得较好的控制效果。