执行器饱和特性的存在对控制系统的性能有重要影响,甚至破坏系统的稳定性。特别是迭代学习控制系统中,由于信号沿迭代轴的积分特性以及一些不可重复性因素,使得执行器饱和特性对控制系统性能的影响尤为突出。 本文基于Lyapunov方法,对含饱和执行器的迭代学习控制系统进行了研究。结合自适应控制、鲁棒控制理论,对系统中存在不确定参数及不确定性界的情形进行了深入探讨,给出了输入限幅下的适应迭代学习控制和鲁棒迭代学习控制器的设计。本文主要工作包括以下三个方面:第一,针对两类非线性不确定系统,给出了两种输入限幅下的迭代学习控制算法。两种控制方案都实现了对给定目标的精确跟踪,保证了闭环系统所有信号的有界性。第二,针对两类参数不确定系统,提出了两种输入限幅下的适应迭代学习控制方案。通过适应迭代学习控制律估计未知参数,所提出的适应迭代学习控制器在给定区间上实现了对目标轨线的精确跟踪,同时保证了闭环系统所有信号一致有界。第三,研究了输入限幅下的鲁棒迭代学习控制。分别估计系统周期不确定性与非周期不确定性的未知上界,并且保证了闭环系统的稳定性。将上述设计方法推广到n自由度机械臂系统,提出了输入转矩限幅下的适应迭代学习控制与鲁棒迭代学习控制,并对算法稳定性作了证明。文中对每种迭代算法分别进行了仿真研究,验证了算法