迭代学习控制适用于有限时间运动(运行)性质的被控对象,它利用系统前次迭代时产生的数据来修正不理想的控制信号,产生当前次迭代所用的控制信号,使得系统控制性能得到逐步提高,能够实现有限时间区间上的完全跟踪任务。本文以2-D系统理论为基础,推导出反馈辅助迭代学习控制律的2-D系统误差模型,提出反馈辅助迭代学习控制器设计方法,并给出所提学习算法的性能分析。本文的主要工作和成果如下:1.针对线性离散时不变系统,为了加快系统收敛速度,改善系统跟踪性能,提出反馈辅助PD型和反馈辅助D型迭代学习控制器,推导出闭环系统的二维系统模型,根据状态转移矩阵分析算法收敛性。2.在开环迭代学习控制器设计的基础上,为加快系统收敛速度,基于线性矩阵不等式(LMI),给出反馈辅助迭代学习控制器的设计方法。控制器设计方法能够给出使系统沿迭代轴收敛速度较快的控制器增益取值。3.为了利用线性矩阵不等式(LMI)工具箱进行迭代学习控制器设计,首先介绍MATLAB中LMI工具箱的使用方法,并给出一个求解LMI系统的实例。通过LMI求解,比较反馈辅助迭代学习控制算法与开环迭代学习控制算法,数值仿真验证了反馈辅助迭代学习控制策略的有效性与优越性。4.针对非正则离散系统,总结开环迭代学习控制器设计思路,提出基于非正则系统的反馈辅助迭代学习控制器,并给出控制器设计方法以及系统收敛的充分条件。通过数值仿真比较两种控制策略的控制效果。5.通过在伺服旋转电机平台进行实验获得的输入输出数据,建立电机控制系统的数学模型;采用所提出的反馈辅助迭代学习算法,设计旋转电机伺服系统控制器,实现对伺服电机系统的高精度位置控制,文中给出了相应的实验数据。