迭代学习控制能精确控制具有重复运动特性的复杂被控制对象,因此受到人们的广泛关注与研究。在实际应用中,沿迭代轴变化的扰动,也就是非重复扰动会使迭代学习的控制效果大打折扣,如何应对非重复扰动也成为了该领域中的重点之一,同时它也是保证实践中控制精确与稳定的重要方法,具有不可忽视的实际意义。本文针对包含非重复扰动的线性连续和离散系统,通过将迭代学习控制与自抗扰技术相结合,提出两种新的基于观测器的自抗扰迭代学习控制方法。本文主要工作如下:(1)针对化工过程中聚合物的分子量分布,设计了基于矩值的自抗扰控制方法,并利用经过验证的反应模型进行仿真,显示了自抗扰控制在过程控制中很强的抗扰能力,提供了将自抗扰引入迭代学习中解决非重复扰动的思路。(2)针对带有扰动的连续系统设计相应的迭代学习观测器,对系统在运行过程中的总扰动做出估计,再将总扰动细化,分解为输入与非输入通道扰动。然后设计带有扰动补偿的参数自适应的迭代学习控制律。证明了算法的收敛性,同时给出控制器参数的设计条件。通过仿真实验验证了该方法有较强的抗扰性。(3)基于扩张观测器的原理设计扰动观测器,将其用于重复运行的离散系统中估计扰动。然后设计迭代控制律以补偿扰动带来的影响。不同之前仅从迭代轴角度出发,该方法同时考虑系统的时间轴与迭代轴,保证观测误差沿时间轴收敛的同时也确保了输出误差沿迭代轴收敛。最后给出初始批次控制律设计方法,使得误差收敛速度有所提升。在与其他方法的仿真对比中显示了该方法较强的应对扰动能力,同时验证了初始批次控制律设计的优势。此外,该方法对于部分模型未知系统也有很好的控制效果。