间歇生产过程具有小批量、多品种、系列化、技术密集等特点,广泛应用于现代过程工业中。随着应用工业过程范围的扩大和间歇过程复杂性的增加,迫切需求间歇过程优化控制方法的进一步研究。因此,研究间歇生产过程优化控制问题具有重要的理论与实际意义。基于迭代学习控制思想的间歇过程迭代优化控制策略可充分利用间歇过程运行时间的有限性和操作重复性,处理不确定度较高的非线性强耦合系统优化控制问题。本文主要针对模型失配情况下的间歇过程优化控制问题展开研究。首先,对间歇过程优化控制及其发展现状进行了介绍,并对基本迭代学习控制方法以及带修正项的迭代学习控制方法(ISOPE)的基本原理进行了详细说明。ISOPE中的梯度估计是方法性能的重要因素,本文通过仿真对不同ISOPE中的梯度估计方法进行性能分析,了解不同梯度估计方法对优化结果的影响与特点,并在此基础上,引入了梯度误差范数条件给出其上界以实现其准确性定性判别,从而,提出基于梯度误差范数条件的ISOPE,仿真结果验证了方法的有效性。由于控制量调节系数K值对迭代优化过程以及最终指标效果影响较大,通过其影响分析,提出控制量调节系数K自适应调整方法；同时,针对整合梯度权值对迭代优化效果的影响,提出修正梯度权值的自适应调整方法,仿真结果验证了上述方法的有效性。最后,在上述方法的基础上,针对梯度修正方向的不确定性,提出基于梯度误差范数条件与改进方向估计的ISOPE,即基于已有迭代优化控制信息,利用高斯混合模型描述的改进方向,并利用高斯混合模型给出的改进方向作为梯度的修正方向,然后结合ISOPE算法进行优化控制。仿真结果验证了该方法的有效性。