运动控制是自动化研究领域的一个重要分支，是推动新产业革命的关键技术之一。运动是机械学科的重要概念，而控制则是控制学科的研究对象和研究内容，因而运动控制具有跨学科的性质。在运动控制系统中，控制策略是由机械机构执行的，运动则是执行的效果。控制策略的执行环节，需要具有稳定、快速和准确的性能。系统中各个环节，在实际环境中运行必然受到各种干扰，而高性能的运动控制系统希望运行稳健，不受或少受干扰的影响。因此，运动控制的研究常常是以获得优越的跟随性能和抗扰性能为目标而展开。本文延续这种研究方法，探索运动控制中进一步提高跟随性能和抗扰性能的策略。对抗扰性能的提高，本文主要探讨利用重复学习的方法来提高系统抗周期性扰动的性能；对于跟随性能的提高，则引入新颖的分数阶控制策略。　　 运动控制系统中扰动包括电源、负载和自身参数等多种因素扰动。自身参数扰动包括典型的电动机齿槽效应和各种因机械加工原因而造成的参数偏差，且在运动中多表现为周期性的扰动。补偿控制就是测量或预测干扰并产生与干扰相反的控制作用来抵消干扰的影响，周期扰动是可以通过重复学习来进行预测并加以补偿的。本文基于这一思想而展开了针对周期扰动的补偿控制研究。首先研究了相关文献并以齿槽效应扰动的补偿为例验证了一阶周期自适应学习控制算法。在此基础上相继提出了单高阶周期自适应学习控制算法、双高阶周期自适应学习控制策略和双高阶动态周期自适应学习控制方法。其中，单高阶周期自适应学习扰动补偿控制利用状态轴上过去多个周期的误差信息来更新自适应学习律，提高了跟踪误差的收敛速度。双高阶周期自适应学习利用过去多个周期的综合跟踪误差和扰动估计信息，能得到更快的误差收敛速度，还可以使得稳态误差更小。双高阶动态周期自适应学习控制方法，能保证实际应用中对周期扰动的补偿达到长期稳定运行的效果。上述研究获得了对抑制运动控制系统中周期扰动的认识，在相同领域中产生了一定的影响：已在国际重要学术会议上发表论文4篇，并向国际知名期刊投稿多篇。　　 运动控制主要是指在电动机的转矩（电流）、速度以及位置随动系统中的控制策略，传统以P、PI及PID等最佳线性控制律为主，但其在高性能的控制系统中不足以满足控制要求。开展的研究围绕先进控制策略或采用在传统策略基础上用先进策略进行改造而展开。本文引入了分数阶微积分和分数阶控制策略。首次提出了一种分数阶自适应控制方法。为了进一步提高跟踪性能，针对一类典型的二阶控制系统，提出了一种分数阶比例微分控制器及其系统设计方法。对于二阶位置控制系统，提出了一种分数阶[比例微分]控制器及其实用且系统化的参数设计方法，基于相同数量的控制器参数设计和相同的设计准则，对传统的整数阶比例微分积分控制器、分数阶比例微分控制器和分数阶[比例微分]控制器进行了比较研究。在此基础上，提出了一种优化的分数阶条件积分器，并通过描述函数法分析分数阶的条件积分器模块，提出了既能满足在可达范围内设定的相位滞后，又能使得所关注的高次谐波成份相对基波的比例最小的优化准则，并与传统的条件积分器进行了比较。本文先研究了分数阶自适应控制器的抗扰性能，随后则主要研究系统的跟随性能。通过研究获得了将分数阶控制策略应用于运动控制的相关认识。研究的优化分数阶条件积分器相对传统积分器的相位滞后最大减小了70度。