迭代学习控制属于智能控制方法其中的一种,由于其显著的优点和良好的控制性能,已经成为智能控制领域的热门研究方向之一,愈发受到众多研究人员的高度重视,并得到了广泛应用。本文基于迭代学习控制理论,研究了一类带有混合参数的非线性系统的迭代学习控制问题。除此之外,针对多智能体系统的广泛应用,又定向研究了一类带有混合参数的多智能体系统的一致性问题。以下是论文的主要工作:（1）针对一类带有混合参数且具有输入饱和项和时变时滞项的非线性参数化系统研究其自适应迭代学习控制问题。利用参数分离技术处理系统中存在的输入饱和、时变时滞以及混合参数等非线性项,对这些非线性项进行分离转化。在此基础上,构造了自适应迭代学习控制器以及迭代域上的参数更新律;然后,利用复合能量函数（CEF）证明该系统的状态跟踪误差沿迭代轴的渐进收敛性;最后,进行数值仿真来验证所提出控制策略的正确性。（2）针对一类带有混合参数且具有输入饱和的多智能体系统的一致性问题进行研究。首先,通过已知的多智能体的扩展误差和多智能体系统中存在的各种约束条件构建出一种完全饱和的参数更新率以及分布式迭代学习控制器;其次,构造复合能量函数来证明多智能体系统跟踪误差的收敛性;最后,进行数值仿真,分别讨论有向图以及无向图来证明所构造控制器以及参数更新率的有效性。（3）考虑到在多智能体系统中同样会有时滞的存在且时滞项作为非线性项会对系统的稳定性产生较大的影响,进一步研究了一类同时具有时变时滞和输入饱和项的带有混合参数的多智能体系统。首先,通过多智能体的扩展误差和所讨论多智能体系统中存在的各种约束条件构建出参数更新率、分布式迭代学习控制器;其次,构造合适的复合能量函数,并通过分别求得复合能量函数的微分与差分来证明多智能体系统跟踪误差的收敛性;最后,进行数值仿真来证明所提出的控制率以及参数更新率的正确性。