由于一定程度上的震动在工程和建筑中产生各种问题,所以在过去的50多年间,人们都致力于主动形式的振动控制方法,振动主动控制的目的就是通过自动修正系统的响应,使得系统在震动的干扰下的位移或者加速度为零或趋近于零,从而减少机械系统中的震动传播。振动主动控制系统一般都比被动控制系统复杂而且昂贵。其主要优点是在低频时,具有更好的静态稳定性能和动态性能,并且主动控制适用于周期性的信号。而从严格意义上来讲,迭代学习控制能够提高执行同一跟踪任务或重复控制任务的诸如过程控制、机械、仪表或系统的暂态响应和跟踪性能。ILC的基本思想就是计算出新的输入信号,使得追踪精度可以随着迭代次数的增加而逐步提高,或者说,ILC算法的根本思想就是通过迭代而学习到正确的输入信号。迭代学习控制能够适合于一类具有重复特性的震动信号,其任务是寻找控制输入,使得被控系统的实际输出轨迹在有限时间区间上沿整个期望输出轨迹实现零误差的完全跟踪,并且整个控制过程要求快速完成。针对周期性震动源,本文采用了迭代学习控制方法。将迭代学习控制算法应用于振动主动控制系统当中,相对于传统的控制方法,具有更良好的性能。将D型、P型迭代学习算法、最基本的参数最优迭代学习算法和新型PD型参数最优迭代学习算法分别应用于2-自由度“质量弹簧阻尼”系统当中,特别在低频的震动源下,皆能以较快的速度使被控对象位移为零,达到减震的效果。特别的,当周期性震动源的频率提高时,新型PD型参数最优迭代学习控制算法凸显了其优越性,能够单调收敛或单调收敛至零,具有更快的收敛速度和更好的动态、静态性能,从而提高了学习效率,即能够在工业生产中产生更大的作用。