1、迭代學習控制技術適用于有限區(qū)間上的重復運行的作業(yè)對象.它在逐次迭代中不斷修正控制輸入或參數(shù)估值等被學習量，在足夠多次迭代后將在各次迭代中重復出現(xiàn)的確定性干擾予以完全補償，在整個作業(yè)區(qū)間上實現(xiàn)系統(tǒng)狀態(tài)/輸出對期望軌跡的零誤差跟蹤.基于Lyapunov方法設計學習控制系統(tǒng)是當前學習控制領域的研究熱點之一.為了拓寬迭代學習控制技術在現(xiàn)實中的應用范圍，本文主要開展六個方面的研究工作.
　　1.為解決常規(guī)算法中假設誤差初值為零與實際系統(tǒng)中誤

2、差初值非零之間的矛盾，研究迭代誤差初值非零情形下的學習控制算法.在給出修正參考信號構造方案和期望誤差軌跡構造方案的基礎上，分別提出參考信號初始修正和誤差跟蹤學習控制方法，用于解決參數(shù)不確定系統(tǒng)在系統(tǒng)狀態(tài)初值任意情形下的非一致軌跡跟蹤問題.對比上述兩種算法后，提出非參數(shù)不確定系統(tǒng)的誤差跟蹤學習控制算法.
　　2.為提高系統(tǒng)運行過程中的可靠性與安全性，研究狀態(tài)約束學習控制算法.在構造形式簡單的障礙Lyapunov函數(shù)的基礎上，提出狀態(tài)

3、受限初始修正學習控制方法和狀態(tài)受限誤差跟蹤學習控制方法.在相應的系統(tǒng)上實施上述兩種算法，閉環(huán)系統(tǒng)可在迭代誤差任意情形下，獲得部分作業(yè)區(qū)間零誤差跟蹤效果，并在整個作業(yè)區(qū)間上對系統(tǒng)狀態(tài)的幅值受限與預設的界內(nèi).
　　3.死區(qū)非線性在實際系統(tǒng)的執(zhí)行環(huán)節(jié)中大量存在.為了克服死區(qū)不確定性對控制性能的影響，構造自適應學習死區(qū)逆模型估計死區(qū)參數(shù)，達到補償死區(qū)不確定性之目的.針對輸入環(huán)節(jié)含死區(qū)的非參數(shù)不確定系統(tǒng)，提出自適應迭代學習控制方法和誤差跟蹤

4、學習控制方法，分別解決系統(tǒng)誤差為零和非零情形下的跟蹤問題.在上述工作的基礎上，分析了誤差跟蹤學習控制中的狀態(tài)約束問題，給出含輸入死區(qū)系統(tǒng)狀態(tài)約束誤差跟蹤學習控制算法.
　　4.針對非線性不確定系統(tǒng)，提出準最優(yōu)迭代學習控制和重復學習控制方法，解決參數(shù)與非參數(shù)不確定特性同時存在情形下的軌跡跟蹤問題.根據(jù)Sontag公式解決標稱系統(tǒng)的優(yōu)化控制，并以魯棒學習手段處理參數(shù)與非參數(shù)不確定特性.為避免傳統(tǒng)Sontag公式在實現(xiàn)時可能存在的顫振問

5、題，利用光滑過渡函數(shù)對其進行連續(xù)化.經(jīng)過足夠多次迭代或足夠多個周期的重復運行后，閉環(huán)系統(tǒng)可實現(xiàn)系統(tǒng)狀態(tài)以預設精度跟蹤參考信號.文中所提的優(yōu)化算法在實施時，閉環(huán)系統(tǒng)系統(tǒng)在收斂速度方面快于非優(yōu)化設計.
　　5.研究參數(shù)不確定主-從型多智能體系統(tǒng)的一致性問題，提出適用于誤差初值任意情形的參數(shù)不確定多智能體系統(tǒng)誤差跟蹤學習控制算法.在此基礎上，為提高算法實施時控制系統(tǒng)的安全可靠性，給出參數(shù)不確定多智能體系統(tǒng)狀態(tài)受限誤差跟蹤學習控制設計方案

6、.
　　6.研究非參數(shù)不確定主-從型多智能體系統(tǒng)的一致性問題，考慮誤差初值為零、誤差初值任意，狀態(tài)初值對齊三種條件下的學習控制算法.給出適用于迭代誤差初值為零情形的非參數(shù)不確定多智能體系統(tǒng)迭代學習控制算法，適用于迭代狀態(tài)初值滿足對齊條件的非參數(shù)化不確定多智能體系統(tǒng)重復學習控制算法，和適用于迭代誤差初值任意情形的非參數(shù)不確定多智能體系統(tǒng)誤差跟蹤學習控制算法.在以上工作的基礎上，提出非參數(shù)不確定多智能體系統(tǒng)狀態(tài)受限學習控制方法和非參數(shù)