间歇过程生产可看作是在有限时间区间上重复执行相同控制任务的系统。它的生产方式灵活多变,可满足小批量、多品种、高质量生产的需要,其在工业生产中所占的比重越来越大。然而,间歇过程具有时变、强非线性、难以建模等特点,并且许多系统参数难以测量,存在较多干扰因素,使其控制问题成为控制界具有挑战性的课题之一,有必要研究先进的控制策略。事实上,间歇生产过程具有可重复性操作特点,而迭代学习控制(Iterative learning control, ILC)方法非常适合处理具有重复运行特点的系统,因此间歇生产过程控制是迭代学习控制应用的一个重要方面。迭代学习控制可以较好地克服间歇生产过程中的控制难点,取得优于传统控制策略的良好效果。间歇生产过程的迭代学习控制方法近年来成为众多学者研究的热点问题之一。本文分别针对间歇化工过程的温度控制、废水pH值控制等问题,提出了几种相应的智能学习控制方法,取得了一些研究成果。论文主要研究内容和创新点总结如下：1)论文分析了间歇过程控制特征、难点,近年间歇过程控制领域的发展、研究现状。并结合迭代学习控制的特点,研究了间歇过程的迭代学习控制方法,能够利用其重复运行的特性实现比传统控制方法更加快速的收敛性和高精度跟踪性能；另外,迭代学习控制不依赖于系统的精确数学模型,对间歇过程系统建模困难、过程控制系统某些参数时变的情况有理想的控制效果。2)针对间歇过程中常见的控制问题——间歇过程反应器的温度控制,利用间歇过程反应器生产过程中周期性、重复性强的特点,设计了PD型ILC控制器,并给出了收敛性分析。考虑间歇过程控制中存在干扰、系统反应物浓度初值与期望反应物浓度初值不同时的实际情况,并通过仿真验证了所提出PD-ILC控制方法的有效性。3)论文进一步针对间歇过程难以建模、时变、强非线性等特征,以间歇过程的废水pH处理系统为例,提出了相应的自适应迭代学习控制方法,可在初始条件随机变化的情况下,实现跟踪误差在迭代域中的完全收敛性。仿真研究考虑到了不同干扰的情况,验证了所提出方法的有效性。