迭代学习控制(iterative learning control,ILC)适用于有限时间区间上具有某种重复运动性质的被控对象,该控制方法在传统的点对点控制系统中已得到广泛应用并逐渐被网络控制系统(networked control systems,NCSs)所采用。ILC不依赖系统精确的数学模型,只需要较少的先验知识就可利用简单的算法实现轨迹跟踪任务。本文主要针对网络控制系统中存在数据丢失情况下的迭代学习控制算法进行研究。论文主要研究内容如下:首先,针对网络控制系统中数据传输过程进行数学建模。将数据丢失现象描述为一个概率已知的随机Bernoulli过程,并考虑了测量信号与控制信号数据丢失同时存在的情况,且控制器与执行器的数据接收端均采用零阶保持方法来补偿丢失数据。其次,针对网络控制系统中一类非线性离散被控对象,提出了PD型开环迭代学习控制算法,利用经典迭代学习控制算法的前馈特性实现对控制信号的提前修正。该算法采用误差信号的比例项与微分项对当前的控制信号进行修正,从而产生新的控制信号,充分利用了历史误差信息。最后,提出了远程开环-本地闭环的开闭环迭代学习控制策略,使远程控制器与本地控制器共同作用于被控对象。其中,远程控制器产生的控制变量是采用上次迭代过程中的偏差信号进行修正得到的,具有前馈特性;本地控制器产生的控制变量是采用本次偏差信号得到的,具有反馈特性。此外,本地控制器与被控对象间的数据传输过程不经过网络,可削弱控制系统对网络的依赖性。