迭代学习控制是智能控制一个重要组成部分,它对一类具有重复运动特性的系统有良好的跟踪性能。它能够利用系统之前的控制信息,并用系统实际输出轨迹和期望输出轨迹之间的跟踪误差来更新控制输入,在多次迭代之后,能够在给定的有限时间区间上完全跟踪上期望目标轨迹,即实现零误差跟踪。实际系统存在很多不确定性,若不进行处理,会影响系统跟踪性能。不确定性一般可以分为两种类型,即参数不确定性和非参数不确定性。所以本文主要针对具有参数不确定性和非参数不确定性的非线性系统分别进行研究。在对具有参数不确定性的非线性系统分析中,我们首先针对一类具有未知时延和未知时变输入增益的非线性系统,设计了 一种自适应迭代学习策略和参数更新法则。然后,根据实际系统中,控制器可能会出现的饱和现象,引入输入饱和问题。同时为了更加准确的跟踪期望轨迹,在有延迟状态的情形下,加入系统的当前状态,使得系统可用信息更多。在这种情况下,提出了一种自适应迭代学习控制策略和参数更新法则,该控制策略能很好地处理输入饱和,未知时变输入增益,未知时变时延和参数不确定性同时存在的非线性系统的情况。通过构造李雅普诺夫克拉索夫斯基复合能量函数,结合所设计的自适应迭代学习控制策略,经过理论上的推导和仿真上的验证,说明了算法的有效性。在对具有非参数不确定性的非线性系统分析中。对于一类具有未知时变输入增益和输入饱和的非线性系统,我们采用两种思想来解决满足李普西兹条件的非参数不确定性问题。第一种运用鲁棒的思想,设计了一种迭代学习控制策略,该策略分为两部分,迭代学习部分的半饱和结构主要用来处理饱和部分,鲁棒部分用来处理非参数不确定性部分。第二种利用李普西兹条件的性质,运用自适应迭代学习策略和参数更新法则解决非参数不确定性问题。通过构造李雅普诺夫复合能量函数,结合设计的控制律。通过理论证明和仿真验证算法有效性,并对两种算法进行了简单地比较。实际系统中初始定位完全一致是基本不可能的。所以针对一类高阶非线性参数不确定系统,在初始值不一致的情况下,根据初始值和原期望轨迹构造出新的期望轨迹,并给出一种曲线构造的方式。针对高阶非线性系统,通过构造滑模面来控制跟踪误差收敛。最终实现在部分时间区间上对原期望轨迹的零误差跟踪。最后,通过理论上的推导和仿真的验证,说明所构造的构造曲线和自适应迭代学习控制算法的有效性。