分布参数系统能够精准且全面地描述实际工程中所遇到的控制系统,具备广泛的应用背景,尤其在航空航天、生物化学等领域,因而对于分布参数系统的研究具有重要的理论意义与应用价值。迭代学习控制是智能控制的一个重要分支,通过用严格的数学语言描述和定义,控制算法简单,且不依赖于被控系统精准的动力学模型,在给定的时间区间内能够实现被控对象的任意精度的轨迹跟踪或抑制振动,可以有效解决传统控制难以解决的复杂不确定性系统,因此可以用来解决具有非线性、难以建模以及高精度跟踪控制要求的分布参数系统的控制问题。本文针对两类非线性的分布参数系统,提出了两种迭代学习控制算法,通过严格的数学推导和数值仿真验证了所提算法对所研究的分布参数系统控制的有效性。论文的主要工作如下:1.针对一类非线性的抛物型分布参数系统,研究了批次长度随机变化的迭代学习控制问题,实现了对目标轨迹的渐进跟踪。首先引入了一个伯努利型随机变量用于拟合学习区间长度随机变化的情况,其次根据被控系统的性质与特点,提出一种变批次迭代长度的控制算法,利用历次迭代信息更新控制输入,实现对目标轨迹的跟踪。通过压缩映射原理和λ范数分析,给出输出误差的收敛充分条件,并详细给出收敛性分析证明,保证了所提控制方法在范数意义下跟踪误差的收敛,最后通过Matlab仿真验证了所提算法有效性。2.针对具有未知时空变化分布扰动和未知边界扰动的非线性欧拉-伯努利梁系统,将边界控制、自适应技术与迭代学习控制相结合,提出了一种新的自适应迭代控制策略,以改善欧拉-伯努利梁系统的振动抑制和干扰抑制。首先针对欧拉-伯努利梁,设计了一种基于边界控制的自适应迭代学习控制。为了抑制分布干扰和处理系统参数的不确定性,提出了两种自适应律。接着基于复合能量函数分析法,证明了被控系统在每个迭代周期内的有界性和沿迭代轴收敛。最后通过Matlab仿真验证了所设计控制算法的有效性。