本文以柔性机械臂(flexible manipulator)末端轨迹跟踪控制为应用背景,针对柔性机械臂的欠驱动、非最小相位特性和精确建模难以实现等特点,基于稳定逆理论、基函数迭代学习控制等方法,提出了一种新的扩展基函数迭代学习控制方法。该方法由于采用基函数模型的“灰盒”设计思路,可以利用辨识得到的降维模型的信息设计迭代学习律,选取可以逼近稳定逆的扩展基函数,大大减轻了对系统精确模型的依赖,从而可以解决非最小相位的迭代学习控制中,基于精确模型的“白盒”和不需要模型的“黑盒”设计方法各自的缺陷。本文的主要工作分述如下:1.对柔性机械臂的建模理论,建模与仿真工具的现状以及末端轨迹跟踪控制的现状进行了综述,分析指出了当前在上述领域的主要问题。引述迭代学习控制理论在柔性机械臂非最小相位问题解决中的优势,并概述了非最小相位迭代学习控制的各种方法的优缺点,引出本文的思路。2.为了解决柔性臂控制中,难以找到方便易用的建模与仿真工具的问题,本文介绍了一种新型的基于Scilab/Scicos的建模与仿真工具箱,阐述了该工具箱的建模理论,简要介绍了工具箱的软件组织结构,并通过算例的仿真结果验证了该工具箱的有效性。3.针对线性时不变的非最小相位系统进行基函数迭代学习控制律的设计。在频域中对Laguerre基函数进行扩展,使之可以在双边Laplace变换的意义下,逼近稳定逆。从而可以通过基函数迭代学习控制的方法,不需要系统的精确模型信息就可以实现对非最小相位系统的轨迹跟踪控制。4.本文给出了线性时变非最小相位系统的扩展基函数迭代学习控制的设计。在时域中,利用稳定逆的时域最优性质对现有的基函数迭代学习控制进行扩展,从而可以实现时变线性非最小相位系统的轨迹精确跟踪,并在仿真中进行了验证。