中文摘要：

对于完成重复轨迹跟踪任务的系统，迭代学习控制是一种能有效地改进其跟踪性能的技术。在项目执行阶段（1999.1-2001.12）,我们在综合分析现有的一些开环与闭环迭代学习控制律基础上，针对具有代表性的非线性对象，提出了新的开闭环迭代学习控制算法；采用有界线性算子谱理论进行研究，给出了新学习算法收敛的充要条件，为学习系数的选择提供了依据；分析了系统模型干扰和学习初态干扰对迭代学习控制的影响，给出了学习控制系统的鲁棒性条件；研究并利用人的学习控制原理，提出了仿人的迭代学习控制系统，使其可用于多条目标轨迹的跟踪控制。研究成果可用于解决诸如机器人和机械手一类对象的控制器设计问题，并在国内重要学术刊物和国际学术会议上发表论文多篇。此后两年项目组继续研究非线性系统开闭环迭代学习控制的收敛性、鲁棒性，并结合其它控制优化方法研究迭代学习控制器设计问题，相继取得了一些新的成果，又发表论文6篇（均标明本基金项目的资助）。