广义系统是一类更一般化的动力系统,广泛存在于复杂电网系统、决策系统中。与常义系统相比,广义系统能更好的描述系统的物理特性。迭代学习控制是智能控制领域的一个重要分支,适用于周期运行的被控对象。迭代学习控制包含了两个过程,时间过程和迭代过程。二维系统理论(Two Dimension System Theory,又称为2-D系统理论)能同时表达时域的动态过程和空间的学习过程,将2-D系统理论应用于迭代学习控制称之为2-D方法。在已有迭代学习控制的研究成果中,大多以常义系统为研究对象,涉及广义系统的相关研究则较少。本文的主要工作如下:1.针对一类线性离散广义系统,提出了一种迭代学习控制算法,利用2-D系统理论建立系统的线性离散Rosser模型,并对所提的算法进行完整的收敛性分析,数值实例仿真说明了算法具有有效性。2.研究了线性离散广义系统在每次运行时初始状态在期望初值的有界邻域内变动的情况下的输出收敛性问题,利用2-D线性离散系统理论设计了一种迭代学习控制算法并给出算法收敛的充分必要条件。最后通过数值仿真验证了算法的有效性。3.针对具有状态时滞的线性离散广义系统,在2-D系统理论的基础上研究了其在给定学习律下系统输出的鲁棒性问题,数值仿真证明了在该算法的作用下系统实际的输出一致收敛于理想的输出。4.对广义系统迭代学习控制的收敛速度问题进行了研究。基于广义系统的等价型分解和压缩映射原理,分别讨论了一阶迭代学习控制算法和二阶迭代学习控制算法收敛的充分条件。借助Q因子比较了一阶学习律和二阶学习律的收敛速度,得到一阶学习律和二阶学习律收敛速度的大小关系取决于学习增益的不同组合。数值仿真验证了两个算法的有效性以及收敛速度大小与学习增益不同取值之间的关系。