迭代学习控制（ILC）是一种应用于重复运行系统的控制策略，其主要思想就是利用之前批次的信息修正当前批次的控制信号，以减少跟踪误差，随着运行批次的增加，系统输出值逐渐接近给定的目标轨迹。有两种应用迭代学习控制的模式，一种是迭代学习控制直接用来设计控制信号，作用于被控对象，这种迭代学习控制称为直接型迭代学习控制，目前发表的大多数的迭代学习控制研究成果就属于这一种；另一种是迭代学习控制不直接作用于被控对象，而是用来修正闭环反馈控制器的某一参数，如用来修正控制器增益、权重等，这种迭代学习控制称为间接型迭代学习控制。本文所研究的是一种用来更新闭环控制器设定值的间接型迭代学习控制。利用ILC来更新模型预测控制（MPC）的设定值，这样的组合方式称为学习型模型预测控制（L-MPC）。以前的L-MPC中的ILC模块为P型的，本文利用内模控制为L-MPC设计PID型的ILC模块。通过调节一个滤波器的参数可以得到较理想的更新律增益，使得输出结果在收敛速度与鲁棒性之间取得很好的平衡。时滞现象在过程控制中非常普遍，本文分别为具有输入时滞和状态时滞的线性离散系统设计了基于迭代学习控制的PI控制器，即在内环PI控制器直接作用于时滞系统，而ILC在外环来更新PI控制器的设定值，文中给出了使系统收敛的充分条件并给予了证明。从仿真结果来看，随着批次的推进，提出的算法能够有效地使系统输出跟踪到目标轨迹上，消除了时滞对系统的影响。