迭代学习控制器目的是反反复复地不断重复操作,其目的实现高精度快速地跟踪期望轨迹。本文开头分析几个主要的迭代学习控制律及其发展,让学者对迭代学习控制有初步了解。虽然迭代学习控制器能弥补未知重复误差和干扰,但它本身有自己的不足,需要和其他方法进行结合。迭代学习算法应用广泛,它可以被应用到移动机器人、机器人的机械臂、工业机器人等各个方面。本文针对迭代学习控制算法在机器人轨迹跟踪的研究,主要研究内容如下:(1)针对存在干扰状态和输出测量噪声的移动机器人系统,提出两种新的迭代学习控制算法,既可以提高收敛速度,又增强系统鲁棒性和抗干扰性。理论上证明了该系统的稳定性,保证了跟踪误差收敛近似为零,仿真结果验证被提出的算法优越性。(2)针对一类具有不确定项和非重复性干扰项的非线性系统,首先提出高阶反馈—前馈的迭代学习算法,然后设计改进的迭代学习控制器控制系统跟踪期望轨迹,该算法可以先行补偿因干扰削弱输出跟踪的影响,仿真研究和严格的数学推导证明表明该控制器可以高效地实现完美跟踪期望轨迹。(3)针对迭代学习算法的收敛速度研究,在迭代算法应用的实际工程中,收敛速度一直是主要指标之一,同时也是判断迭代算法好坏的标准。这里介绍几种判断迭代学习控制算法的收敛速度快慢的方法,为比较不同迭代学习控制算法的收敛速度提供依据和参考标准。