学习控制包括迭代学习控制、重复控制和重复学习控制,它适合具有强非线性、时变不确定性、延迟、耦合等特性的被控对象,不要求得到精确的系统数学模型,通过不断“学习”,使得控制性能不断改善。在自适应学习控制算法中,系统的不确定性往往被要求能够被参数化,针对非参数不确定非线性系统的研究结果不多。本文基于Lyapunov like方法,深入探讨了非参数不确定非线性系统的学习控制。本文的主要工作和成果如下:1.针对一类不确定非线性高阶系统,设计鲁棒迭代学习控制器,鲁棒控制部分利用系统不确定特性的界函数,保证了系统所有变量有界,迭代学习控制部分有效消除系统跟踪误差,实现在有限区间[0, T ]上完全跟踪。2.考虑到实际中经常存在执行器饱和的情形,引入饱和函数,将控制输入囿于一预先给定的范围。分别针对非参数化,部分参数化及参数化三种情形,设计鲁棒迭代学习控制器及自适应迭代学习控制器,其中所给出的鲁棒迭代学习律不需利用非参数不确定性的范数界。3.针对非参数不确定非线性系统,设计鲁棒重复学习控制器。重复学习控制中被学习量仅要求满足重复性,同时不需对运行的系统进行重置位操作,回避了迭代学习控制中的初始误差问题,同时使重复控制的应用范围得以推广。4.针对一类非参数不确定非线性时滞系统,分别考虑界函数已知和未知两种情形,设计重复控制和鲁棒重复控制,讨论了闭环系统的稳定性以及收敛性。5.针对非参数不确定非线性非时滞和时滞系统,引入Nussbaum函数,设计重复控制律,解决了控制方向未知的问题。理论分析了闭环系统的稳定性与学习收敛性。