不确定非线性系统普遍存在于实际工程领域，充分利用系统的非线性结构特征，有利于简化控制器设计，提高控制性能。本文讨论了两类典型参数不确定非线性系统，设计了相应的自适应迭代学习控制方案，进行了相关理论分析、算例仿真和应用研究。针对一类带未知干扰和时变参数的非线性系统，提出了一种鲁棒自适应迭代学习控制算法。在迭代域内对未知参数进行估计，利用鲁棒控制抑制干扰，引入反馈环节进一步提高控制性能；针对一类带未知常参数和时变参数的非线性系统，提出了一种组合自适应迭代学习控制算法。通过对系统非线性结构特征的分析，该算法在时域内对未知常参数进行估计，在迭代域内对未知时变参数进行估计，充分利用了时域和迭代域信息。采用Backstepping技术将上述两种算法推广到二阶不确定非线性系统中，基于Lyapunov稳定性理论分析了这两种算法在相同初始条件和对准条件下的收敛性。仿真验证了所提控制算法的有效性。将上述算法分别应用于带未知不可重复干扰和带未知可重复时变干扰的两种参数不确定机械臂系统。推导了二自由度机械臂系统动力学模型，根据系统特性对算法进行了改进，给出了系统所有内部信号有界性和跟踪误差收敛性的证明。与传统自适应迭代学习控制的实例仿真相对比，结果表明所提方案具有更好的控制性能，在给定区间上实现了对期望轨迹的精确跟踪。