迭代学习控制技术适用于有限区间上执行重复作业的受控对象,它利用先前迭代时产生的数据来修正控制输入信号,使得系统控制性能逐步得到改善,且最终收敛的输出轨迹满足控制性能要求。为实现输出轨迹对期望轨迹的完全跟踪效果,常规迭代学习控制算法要求系统初始状态与期望轨迹初始值完全一致。受定位精度的限制,该初始条件往往无法满足。本文提出反馈辅助PD型迭代学习控制策略,给出算法的收敛性充分条件和极限轨迹。为消除初始偏移对跟踪性能的影响,引入初始修正作用,保证系统输出在设定的时间区间上完全跟踪上期望轨迹。将本文所提控制方法应用于直线电机控制系统,验证算法的有效性。本文的主要工作如下：1.为加快系统的收敛速度并提高系统的稳定性能,改进传统PD型迭代学习控制算法,提出反馈辅助PD型迭代学习律。将该控制方法应用于线性系统及非线性系统中,给出各自的收敛性证明。2.针对固定初始误差情形,引入两种初始修正作用,消除其对系统跟踪性能的影响,并给出各自的设计方法。给出该控制方法在线性系统及非线性系统中的充分性条件证明。分析表明,算法能够保证系统最终在设定的时间后输出完全跟踪上期望轨迹,输出误差趋于零。3.设计反馈-前馈迭代学习控制方法,反馈环节实现对系统的镇定作用并降低噪声和不确定性干扰对系统的影响。分析该算法在固定初始误差情形下的收敛性。在此基础上,引入初始修正作用,消除初始偏移对跟踪性能的影响,实现在设定时间区间上的完全跟踪效果。4.设计直线电机伺服系统控制程序,应用文中所提控制算法实现对伺服系统的精确位置控制。给出不同控制策略下的实验数据,验证所提算法的有效性。