实际应用中,受控系统的动态特性中存在各种不确定性,利用模糊系统所具有的逼近特性是解决相关控制问题的一条途径。本文针对重复作业下的受控系统开展迭代学习控制方法的研究。考虑重复运行系统存在的初始误差问题,以及系统在位置、方向等方面均可能受到限制的情形,设计可以处理任意初始条件且可实现约束的控制器。在构造对数改进型的BLF(Barrier Lyapunov Function)基础上,本文采用误差跟踪控制方法,设计具有约束功能的控制器。研究并设计的算法可处理任意初始条件,保证系统变量的有界性,实现约束控制。本文的主要工作和成果如下:1.讨论一类不确定系统的迭代学习控制问题。控制方案采用鲁棒方法和迭代学习相结合的手段来处理非参数不确定性。其中,鲁棒方法对处理后的不确定性的界予以补偿,学习策略对处理后的不确定性进行估计。基于误差跟踪方法所提出的迭代学习控制可处理任意初始误差,并实现系统误差在预设区间上对期望误差的跟踪任务。2.讨论不确定系统设计自适应模糊控制方案。针对重复运行特性的不确定系统,基于迭代学习方法设计时变模糊系统,分别构造直接和间接自适应模糊迭代学习控制器。时变模糊系统允许模糊估计参数时变,具有良好的逼近效果。采用误差跟踪方法,设计期望误差轨迹,处理初始误差存在问题,实现系统误差在预设区间上对期望误差的跟踪任务。期望误差可设计在预设时间段内渐进收敛到零,实现有限时间收敛。3.构造对数改进型的BLF,提出一种具有约束功能的控制算法。将该BLF应用于设计本文所涉及的控制器,可以实现系统的跟踪任务,并使系统误差组合函数在控制过程中始终位于预设的界内。相比与仅针对约束情形的对数型BLF,改进后的BLF具有一般性,可处理约束与无约束两种情形。就设计控制器而言,相比控制器中包含三角函数的正切型BLF,基于对数改进型的BLF所设计的控制器只包含简单分式,数值计算更为简单,更有利于实际系统中的实现。4.针对本文研究的重复运行系统的初始误差问题,讨论三种不同的处理方法,参考轨迹修正方法,时变边界层方法以及误差跟踪方法。结合倒立摆系统的实例仿真,比较说明本文所采用的误差跟踪方法所具有的优势。参考轨迹修正方法由于接入点的导数并不能与原参考轨迹导数匹配,因此会出现轨迹的切换,并在控制器上呈现出相应的跳变。时变边界层方法由于设计中使用关于时间具有指数衰减性质的边界,系统误差只能达到区间上的渐进收敛。本文采用的误差跟踪方法,设计期望的误差轨迹,可回避导数不连贯的问题,同时可预设时间,达到有限时间收敛。