迭代学习控制(ILC)适用于在有限时间区间上执行重复作业任务的控制系统，它利用前次迭代产生的输出误差，修正控制信号，得到当前控制输入。反馈辅助策略在控制器中加入当前次的输出误差，以期加快学习过程的收敛速度。本文针对线性定常迭代学习控制系统，研究反馈辅助迭代学习控制算法，给出控制器设计方法，并进行收敛性分析。　　本文的主要工作如下：　　1.考虑线性时不变离散系统，采用反馈辅助迭代学习控制策略，将系统转化为二维模型，进一步转化为线性矩阵不等式，得到学习增益设计方法。通过2个仿真算例，验证反馈辅助策略的有效性。　　2.针对线性定常多智能体连续系统，考虑系统存在固定初态误差情形，采用反馈辅助迭代学习控制策略，解决轨迹跟踪问题以及编队控制问题。给出开环迭代学习控制算法及收敛条件，通过仿真算例比较两种算法的控制效果。　　3.考虑线性定常多智能体离散系统，采用反馈辅助迭代学习控制策略，基于二维系统理论，将多智能体系统转化为二维模型，对其进行收敛性分析，将收敛条件转化为线性矩阵不等式，将系统的收敛性问题转化为线性矩阵不等式的求解问题。　　4.针对具有非正则性的多智能体系统，采用反馈辅助迭代学习控制算法，并给出相应的开环迭代学习控制算法，构建系统二维模型，采用线性矩阵不等式知识，给出迭代学习增益的设计方法。　　5.根据辨识出的伺服控制系统的数学模型，结合所提反馈辅助迭代学习控制算法，在永磁同步电机平台进行实验，实现对电机的高精度控制。对提取出的实验结果进行分析，验证反馈辅助算法的有效性与快速性。