本论文的研究内容为迭代学习控制(Iterative Learning Control)理论。迭代学习控制是20世纪80年代提出的一门新兴的自动控制理论，由于它的一些显著优越性，在近几十年得到了较大的发展。其主要特点是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；其第二个显著的特点是控制算法非常简单，能以简单的迭代达到寻优的目的，应用前景非常广阔，它将为模型参考自适应、变结构控制、解耦控制、非线性PID、最优控制、以及机器人轨迹控制等多个应用领域提供一种新的方法。然而迭代学习控制不仅仅是一种简单的控制方法，它是建立在严格的数学基础上的一门控制理论，其研究内容包括迭代学习控制的学习律、学习结构、不同学习律下的收敛性问题、鲁棒性问题、初值问题、学习速度以及与重复控制的关系等问题。 在本论文中，作者首先介绍了迭代学习控制的发展概况、基本原理、研究内容及现状、迭代学习控制与其它控制方法的联系与区别；文章的第二部分介绍了线性系统、非线性系统的一类PID型闭环迭代学习算法，讨论了这一算法的收敛性以及克服初始状态误差等扰动的鲁棒性。这一算法的优点体现在它的强鲁棒性和快速的学习速度上。同时文中还给出了这一算法的仿真示例。文章的第三部分讨论了迭代学习控制的学习速度问题。学习速度是迭代学习控制研究的一个主要内容之一。作者讨论了影响迭代学习控制学习速度的几个因素，并提出了加快学习速度的几种方法。最后给出了仿真结果。在文章的第四部分，作者展望了迭代学习控制的发展前景。