实际工程领域广泛存在着时滞现象。本文针对几种不同类型的时滞系统进行迭代学习控制器设计，并进行了相关的理论分析和部分仿真研究。本论文所做工作具体如下： 第一章给出了时滞系统的迭代学习控制的研究意义，分析了与该课题研究方向相关的国内外研究现状。 第二章针对具有时滞的迭代学习控制系统，讨论了不同学习算法的收敛性。2.1节针对状态具有时滞的迭代学习控制系统，讨论了开闭环PID型学习算法的收敛性，借助于λ范数，Bellman-Gronwall定理，不等式的一些性质，得到了收敛性的判别准则，并通过仿真实例说明了算法的有效性。2.2节针对控制具有时滞的迭代学习控制系统，讨论了普通D型学习算法的收敛性，同样借助于λ范数，Bellman-Gronwall定理，不等式的一些性质，得到了收敛性的判别准则，并通过仿真实例说明了算法的有效性。 第三章基于信息综合方法，利用(λ，ξ)-范数的定义、不等式的一些性质，针对一类非线性时滞系统，讨论二阶D型学习算法的收敛性。 第四章针对一类单输入单输出非线性时滞系统，提出了一种自适应神经网络迭代学习控制方案，神经网络用来逼近未知非线性函数和未知非线性时滞函数，放宽了传统迭代学习控制对非线性函数和非线性时滞函数的限制，拓展了迭代学习控制的应用范围。采用Lyapunov-Krasovskii函数和利用反演(Backstepping)技术设计神经网络学习律和控制律，基于Lyapunov稳定性理论，证明了闭环系统所有信号半全局一致最终有界，通过调节设计参数可以实现对目标轨线任意精度的跟踪。 第五章综合以上分析对迭代学习控制系统理论作了一个简略的，不尽成熟的说明和展望。