学习是人类特有的智能行为,迭代学习控制技术正是模仿人类的学习能力,通过反复学习和纠错来完成高精度的轨迹跟踪任务。迭代学习控制技术在化工间歇过程、列车运行控制和医疗康复等方面有着广泛的应用价值,使其近年来已经成为智能控制研究领域的热点问题。实际工业控制系统中常出现模型不确定性、外部扰动、非线性以及系统故障等问题,传统的迭代学习控制方法存在一定的局限性。因此,本文针对离散线性系统和参数化非线性系统的鲁棒迭代学习控制问题展开了深入研究,研究相应模型的收敛性能,并通过一系列的仿真试验验证所提控制方法的有效性。论文的主要研究工作包括以下几个方面:(1)研究了一类不确定多入多出离散线性系统的鲁棒单调收敛迭代学习控制问题。以迭代学习过程的2-D模型为基础,推导出跟踪误差在迭代域上的一维状态空间模型,进而利用传统离散系统界实引理和线性矩阵不等式技术给出了跟踪误差单调收敛的存在性条件和学习增益的计算公式。最后,通过仿真实例验证了理论分析结果的有效性。(2)研究了一类多入多出离散线性系统的有限频域鲁棒单调收敛迭代学习控制问题。利用广义KYP引理将迭代学习过程的有限频域性能要求转化为相应的线性矩阵不等式的求解问题,得出系统跟踪误差在不同相对度条件下的单调收敛性判据和控制器增益的计算公式。最后,数值仿真也说明了理论分析的正确性。(3)研究了一类多入多出含执行器故障的离散线性系统的鲁棒容错迭代学习控制问题。提出一种集成式状态反馈迭代学习控制律设计方法,推导出迭代学习过程的线性重复过程状态空间模型,基于Lyapunov稳定性理论给出闭环迭代学习过程容错稳定的存在性条件和控制器增益的计算公式。最后,仿真结果也表明了结论的有效性。(4)研究了一类含未知有界扰动和未知时变输入增益的连续时间参数化非线性系统自适应迭代学习控制问题。通过分析传统滑模控制方法的不足,设计了一种基于二阶滑模技术的自适应迭代学习控制方案,利用Lyapunov稳定性理论证明了跟踪误差能收敛到可控制的范围之中。另外,通过仿真实例表明了结论的有效性。(5)研究了一类含未知时变参数的满足线性增长条件的离散非线性系统的自适应迭代学习控制问题。借鉴传统离散时间自适应控制中的遗忘因子最小二乘法,提出一种有限时间区间轨迹跟踪遗忘因子最小二乘自适应迭代学习控制方案,利用Lyapunov稳定性理论证明跟踪误差在时间域上的逐点收敛和在迭代域上的渐近收敛。同时还给出了数值仿真。