迭代学习控制理论是智能控制理论的一个重要分支,是在上个世纪70年代末,80年代初兴起的一门新兴学科。迭代学习控制算法适用于具有重复运行特性的对象,例如,工业机器人等。迭代学习控制算法在解决非线性等常规控制难以解决的困难问题,有着独特的能力。此外,迭代学习控制算法非常简单,能以简单的迭代解决复杂的问题。迭代学习控制研究的主要内容包括迭代学习律、学习控制的结构、不同学习律下的收敛性及鲁棒性问题、初始值问题、学习速度的改善等。迭代学习控制作为一门新兴学科,虽然取得了很多成果,但在很多方面都还需要进一步的研究和完善。在本文中,首先介绍迭代学习控制的起源及发展状况,比较详细的介绍了迭代学习控制研究的主要内容,同时还介绍了其他智能控制算法的发展及应用现状。在文章的第三章中,以P型、D型及PID型迭代学习控制律为例,给出了其收敛性条件,并针对P型和D型两种常用的基本迭代学习律进行了对比性的仿真研究,分析了两种基本学习律各自的优点与缺点,同时还讨论了各学习律的鲁棒性,针对对测量噪声非常敏感的D型迭代学习控制算法,还给出一种减小测量噪声影响的方法,增强了D型迭代学习控制的适用性。在文章的第四章,我们介绍了各种智能控制算法与迭代学习控制算法结合的研究进展,并提出一种基于模糊增益调节的迭代学习控制器设计,并通过仿真表明,此算法在加快迭代算法学习速度上有较好效果。