摘要：论文研究了改进的迭代学习控制方法及其在列车自动控制应用中的若干问题。主要研究内容和创新点总结如下：一、考虑到基于反馈的列车运行控制方法中存在的无法利用列车重复运行信息、无法实现整个运行区间精确跟踪等缺点,设计了一种基于反馈.前馈迭代学习控制的列车运行曲线跟踪控制方法,并分别在系统存在与不存在控制输入约束及测量噪声的情况下,证明了该控制算法的收敛性。算法既利用迭代学习控制方法的学习性能学习了系统重复运行的信息,又利用反馈控制方法即时处理外部扰动的能力增加了系统对外部随机扰动的鲁棒性；二、为解决已有的2.范数最优迭代学习控制方法中存在的计算量和所占存储空间过大的问题,为离散时间线性时变系统设计了一种计算高效的范数最优迭代学习控制方法。通过理论分析验证了该控制算法的收敛性、鲁棒性、收敛速度、控制性能、计算复杂度等性质,并在电机运动控制实验平台上验证了有效性。算法通过避免使用超向量的系统描述方式,使得范数最有控制算法的计算负责度大大降低,拓宽了算法的实际应用范围；三、考虑到多智能体编队的协调控制问题,针对由离散时间线性时变系统描述的多智能体,研究并设计了一种计算高效范数最优迭代学习协调控制方法。该控制方法将迭代学习独立控制和迭代学习协调控制统一到一个基于优化的迭代学习框架下。同时,证明了算法的收敛性、鲁棒性、收敛速度、控制性能等性质。算法通过引入优化的思想,与已有的迭代学习协调控制方法相比,拥有更好的沿迭代轴暂态性能；四、为改善列车运行控制效果和多列车协调运行控制效果,将上述针对线性时变系统的计算高效的范数最优迭代学习控制方法和计算高效范数最优迭代学习协调控制方法扩展到控制输入仿射的非线性系统中,并分别将其应用到列车运行曲线跟踪控制问题和多列车运行曲线协调跟踪控制问题中；五、考虑到列车运行中的安全问题,通过加入超速防护状态反馈项,研究了一种带有超速防护的迭代学习列车运行曲线跟踪控制方法；通过交互相邻列车的位置信息,加入系统输出协调项,研究了一种带有追踪防撞的迭代学习多列车运行曲线协调跟踪控制方法。两种算法在控制中考虑安全问题,增加了列车运行系统的安全性能。