广义分布参数系统由于大量地应用在航天工程、生物工程、材料化学等工程领域,其控制问题的研究具有广泛的实际背景。迭代学习控制是具有记忆和修正机制的智能控制算法,采取“在重复中学习,在学习中修正”的学习策略,同时由于该算法可实现精确跟踪,结构简单易于工程实现,已经大量应用在工程控制领域中。然而至今为止,现有关于迭代学习控制方面的研究成果中,多数以常义系统或集中参数系统作为被控对象,迭代学习控制算法应用于广义分布参数系统的研究相对较少。因此,本文针对广义分布参数系统迭代学习控制的研究具有重要意义。论文的主要研究工作如下:(1)针对一类具有两个奇异矩阵系数的抛物型广义分布参数系统,采用分布式P型学习律,研究了给定期望轨迹学习跟踪控制的问题。首先通过非奇异矩阵变换,将抛物型广义分布参数系统转换为可描述动态特性的耦合偏微分方程,和可描述静态特性的代数方程。其次,通过分别估计动态等价系统的两个子状态与系统输出跟踪误差之间的关系,借助微分不等式及格林公式,给出了系统跟踪误差在~2L范数意义下的收敛性条件。然后,考虑了系统直接传输矩阵为零情形下的学习跟踪问题,并相应地给出了跟踪误差收敛的充分条件。最后,仿真结果表明了误差的收敛性。(2)通过线性时变广义分布参数系统的一种受限等价形式,分别研究了抛物型及二阶双曲型时变广义分布参数系统的迭代学习控制问题。根据矩阵奇异值分解理论,两类广义分布参数系统转换为受限等价形式。针对两类受限等价的学习系统,设计开环P型学习控制律,基于压缩映射原理及(L~2,?)范数,并分别证明了两类时变广义分布参数系统的实际系统输出实现对给定期望曲面的完全跟踪。最后,通过数值实例仿真,验证了开环P型学习控制律的有效性。(3)根据分布参数系统先模型降阶再设计学习控制律的思想,针对一类定常抛物型广义分布参数系统,基于固有函数法,将广义分布参数系统简化为无穷多个广义系统。其次,借助矩阵奇异值分解理论,将无穷多个广义系统转换为快子系统和慢子系统。之后,根据快慢子系统的特点设计了有限维混合PD型学习控制律。针对低维模态部分,给出算法学习收敛的充分条件,并证明了学习系统的实际输出可完全跟踪期望输出。高维模态部分可由低维模态维数的选择,使得系统整体输出的跟踪误差达到相应精度。该研究结果表明,在学习控制律的作用下,针对任意小的系统整体输出的跟踪精度,都可通过低维模态个数的增加来实现。