迭代学习控制技术适用于固定时间段上具有严格重复运动性质的被控系统，是目前国内外控制界的研究热点之一，它以系统前次重复的跟踪偏差信号来修正系统不理想的控制信号，使得系统在有限时间段上的跟踪性能不断随重复次数得以提高。其主要优点是不要求系统模型的精确知识。本文在对迭代学习控制系统全面分析归纳的基础上，选择迭代学习控制领域的几个典型问题，进行了较详细的讨论研究。 一个实际运行的迭代学习控制系统除了存在初始状态偏移外，还多少存在状态扰动和测量噪声等各种干扰。此外，时滞广泛存在于工业过程中，成为不可忽视的因素。本文第二章分别对带有多状态时滞的线性离散时变系统和带有多输入时滞的线性离散时变系统设计了迭代学习控制器，在所构造的2-D线性不等式的基础上，利用数学归纳法对该迭代学习控制系统的鲁棒性和收敛性给予了证明，并通过MATLAB进行了仿真验证。 目前大部分迭代学习控制系统收敛性的证明都是利用λ范数进行的，但λ范数的证明却无法判断迭代学习控制系统是否在Sup范数意义上单调收敛，本文第四章首先对λ范数在迭代学习控制系统收敛性证明方面存在的问题从理论和仿真两个方面进行了说明。随后，通过对常用的迭代学习控制律进行改进，提出并证明了有别于传统的迭代学习控制算法，使设计的迭代学习控制系统在Sup范数意义上具有单调收敛性。