鲁棒控制方法可有效处理系统特性中存在的不确定性，只需通过估计系统不确定性的最坏情况，设计合适的鲁棒控制器就能够保证系统的稳定性,并使得跟踪误差囿于一个有界的范围内。在鲁棒控制中加入迭代学习控制机制，能够有效消除系统中含有的周期性误差，从而进一步改善鲁棒控制的控制效果。目前，关于鲁棒控制器的设计形式并不唯一。常见鲁棒控制器的设计在出现断续函数时，容易引起颤振现象，通常采用饱和函数代替符号函数和单位向量连续化的方法对其进行连续化处理。结合自适应迭代学习控制方法，进一步设计自适应鲁棒迭代学习控制器。针对实际系统中常见的输入非线性现象，设计鲁棒迭代学习控制器对其进行补偿。在伺服系统中通过仿真进一步验证本文第三章所提自适应鲁棒迭代学习控制算法的有效性。　　本文的主要工作和成果如下：　　1.在常见鲁棒控制器设计中引入迭代学习控制机制，基于断续函数连续化方法，分别讨论连续化的以及饱和函数型的鲁棒迭代学习控制器，两种算法都能够在有效消除系统颤振现象的同时保证系统的跟踪误差。　　2.结合自适应迭代学习控制方法，在尽可能少改动常见鲁棒控制器设计的前提下提出自适应鲁棒迭代学习控制器，并证明跟踪误差的收敛性。其中，不确定性的参数估计通过自适应迭代学习控制部分来实现。　　3.对于输入具有强非线性特性的不确定系统，分别考虑输入具有饱和特性、死区特性以及齿隙特性三种情况设计鲁棒迭代学习控制器，通过数值仿真分别对其有效性进行验证；进一步地，针对一类含有动态摩擦特性的机械系统，设计自适应鲁棒迭代学习控制器。　　4.针对一类伺服系统，采用自适应鲁棒迭代学习控制算法进行数值仿真。仿真结果表明，所提控制算法能够有效消除系统不确定性的影响，实现对电机伺服系统的精确位置控制。