本篇论文分别针对采用了P型迭代学习控制律、PD型迭代学习控制律以及PID型迭代学习控制律的一般非线性系统,提出了一系列基于迭代动态线性化的数据驱动自适应整定参数优化方法,并通过严谨的数学分析和仿真验证了所提出方法的有效性。本文的主要研究内容和创新点总结如下:一、针对采用P型迭代学习控制律的一般非线性系统,提出了两种基于迭代动态线性化的数据驱动自适应整定参数优化方法。首先,采用紧格式迭代动态线性化方法将原始非线性系统转化为等价的线性数据模型。然后,设计了一个目标函数来动态调整P型迭代学习控制律的学习增益。在此基础上,优化设计的目标函数,提出了一种基于紧格式迭代动态线性化的数据驱动自适应整定参数优化方法。此外,引入了偏格式迭代动态线性化方法来扩展研究结果,提出了一种基于偏格式迭代动态线性化的数据驱动自适应整定参数优化方法。二、针对采用PD型迭代学习控制律的一般非线性系统,提出了两种基于迭代动态线性化的数据驱动自适应整定优化方法。首先,采用紧格式迭代动态线性化方法将原始非线性系统等价转化为线性数据模型。然后,设计了一个目标函数来动态调整PD型迭代学习控制律的学习增益。在此基础上,优化设计的目标函数,提出了一种基于紧格式迭代动态线性化的数据驱动自适应整定参数优化方法。此外,引入了偏格式迭代动态线性化方法来对研究结果进行扩展,又提出了一种基于偏格式迭代动态线性化的数据驱动自适应整定参数优化方法。三、针对采用PID型迭代学习控制律的一般非线性系统,提出了两种基于迭代动态线性化的数据驱动自适应整定参数优化方法。首先,采用紧格式迭代动态线性化方法将原始非线性系统等价转化为线性数据模型。在此基础上,设计了一个目标函数来动态调整PID型迭代学习控制律的学习增益。然后,优化设计的目标函数,提出了一种基于紧格式迭代动态线性化的数据驱动自适应整定参数优化方法。此外,引入了偏格式迭代动态线性化方法来扩展研究结果,又提出了一种基于偏格式迭代动态线性化的数据驱动自适应整定参数优化方法。