迭代学习控制(Iterative Learning Control简称ILC)是智能控制理论的一个重要分支,用于改善具有重复运动特性的过程、机械、装置或系统的瞬态响应和跟踪特性,其基本思想是以系统的实际输出与期望输出的偏差修正不理想的控制信号,产生新的控制信号,使系统的跟踪性能得以提高。随着当代工业中具有重复性和周期性的系统和生产过程不断增加,迭代学习控制的研究体现了重要的意义,深受控制界瞩目。本文首先介绍了迭代学习控制的发展历史与研究现状,详细阐述了迭代学习控制理论的基本概念、基本问题；其次介绍了转台系统的基本组成,建立了转台系统模型,并且介绍了该系统在运行过程中影响转台平稳转动的因素；随后将迭代学习控制作为一种不需要精确模型的控制方法拓展到转台伺服系统中,比较了各种控制方法,设计了迭代学习控制器,利用MATLAB中的Simulink工具箱对转台系统进行仿真研究,并将结果进行比较；最后,对迭代学习控制进行改进,即将迭代学习控制和神经网络相结合,并针对转台系统进行仿真。结果表明,用迭代学习控制直接应用到转台伺服系统中,和PID控制方法比较,控制性能得到了提高。以上研究表明,迭代学习控制应用于转台系统中有助于其控制性能的改善,尤其是其平稳性的改善,同时拓宽了迭代学习控制的应用领域,具有一定的应用价值。