众所周知，非线性时变系统极为难于控制，即使利用现代控制理论也难以设计适当的控制器。但对于重复跟踪相同轨迹的系统，例如机械手的操作，磁盘驱动系统等，迭代学习控制(ILC)是控制这一类系统简单而有效的方法。迭代学习控制针对具有重复运行性质的被控对象，利用对象以前运行的信息，通过迭代的方式修正控制信号，实现在有限时间区间上的完全跟踪任务。正因为其简单而有效，近年来受到不少研究人员的关注，研究内容包括学习律的构成、收敛性、鲁棒性、初值及学习速度等问题。 本文着重分析了迭代学习控制的收敛性。文中首先介绍了迭代学习控制的一些基本知识，包括提出的历史，数学描述以及一些常用迭代学习控制律。其次分别讨论了开环、闭环和开闭环迭代学习律的收敛性，并给出各种不同迭代学习律的仿真实例加以对比：作者还特别给出了一类非线性系统的开闭环PD型迭代学习律收敛的充分条件，并使用线性算子理论加以证明。最后讨论了研究中存在的一些问题和发展方向。