本文以非线性连续时间系统为研究对象,着重研究针对一些受限问题的迭代学习控制方法,特别考虑了具有输入饱和与未知时变时滞的非线性参数化系统的自适应迭代学习控制,同时也考虑了具有非参数不确定性和输入饱和的多入多出·系统的迭代学习控制问题。论文的主要研究内容和创新点可以总结如下：一、研究了一类实际中广泛存在的具有输入饱和项与未知时变时滞项的非线性参数化系统的自适应迭代学习控制问题。首先,针对只具有输入饱和项的系统,设计了半饱和的迭代学习控制器和全饱和的自适应参数更新律；其次,针对同时具有输入饱和项与未知时变时滞项的系统,利用参数分离技术,将系统状态方程中局部Lipschitz连续函数的未知因素、时变参数以及未知时变时滞等不确定性项分离出来合并成一个未知时变参数,在此基础上,设计了半饱和的控制器和全饱和的参数更新律；最后,通过构造加权Lyapunov-Krasovskii-Like复合能量函数,证明了上述两种情况下,闭环信号的有界性和跟踪误差沿迭代轴的渐进收敛性。理论分析和仿真数例都验证了所提出的控制器以及参数更新律能很好的处理由输入饱和项与时滞项带来的非线性。二、研究了一类在重复环境下运行的同类多智能体系统的一致性问题。首先,针对具有输入饱和的多智能体系统,每个智能体的动态方程由含有输入饱和项的非线性参数化方程来描述,设计了分布式自适应迭代学习控制策略,并严谨的证明了所提出的控制策略能保证跟随者沿迭代轴渐进跟踪虚拟领导者；其次,针对同时具有输入饱和项和未知时变时滞项的多智能体系统,设计了分布式自适应迭代学习控制器,并通过构造加权Lyapunov-Krasovskii-Like复合能量函数,证明了当迭代次数趋于无穷时,跟随者能完全跟踪虚拟领导者。三、针对一类具有非参数不确定性与输入饱和的非线性多入多出系统,在重置条件下,设计了迭代学习控制器,并证明了所提出的控制器能很好的处理由非参数不确定性和输入饱和所引起的非线性,同时能放宽对相同初始条件的限制。