本文面向工业时滞过程,基于时滞补偿控制结构,深入研究了针对时滞对象的控制器设计方法与批量优化。首先在广义预估器(GP)结构的基础上,利用GP结构可以将时滞提出闭环之外这一特点,提出了一种两自由度的控制器设计算法,这种方法对积分类型和不稳定类型对象均可以起到良好的控制效果。结合内模控制和鲁棒控制理论,抗干扰控制器通过反向推导期望闭环系统互补灵敏度函数得到,设定点跟踪响应控制器根据H2最优控制性能指标设计得到。该控制器设计方法的优点在于系统的设定点跟踪响应和负载扰动响应可以进行独立调节和优化。另外,上升时间这一指标可由调节单一的控制参数来实现定量的分析。对于特定的模型失配类型,本文给出图形化方法来得到抗干扰控制器中可调参数的调节范围,使得该算法在模型失配的情况下依然能保持良好的鲁棒稳定性。仿真案例及温度控制实验说明了本方法的有效性和优越性。为简化GP控制结构,改进控制效果,本文提出了SGP控制结构。相对于GP结构,SGP结构减少了滤波功能的外部环路,通过在预估器中引入一个滤波器来达到消除预估误差的效果,并通过一个调节参数来实现预测性能和鲁棒稳定性之间的折衷。这种SGP控制结构的优点在于保证无延迟输出预估的同时,简化了控制结构及鲁棒稳定性分析的复杂度,从而提高了系统稳定性。仿真案例对比及温度控制实验说明了SGP结构的有效性和优越性。为控制带时滞的工业批量过程,本文提出了一种基于SGP控制结构的迭代学习控制方案。该方案利用SGP控制结构及状态预估器构造出无延迟的输出和状态信息,其次结合两维预测控制迭代学习控制算法,利用无延迟信息反馈,通过求解线性矩阵不等式得出最终控制器形式。该方案优点在于通过构造无延迟输出,可以消除时滞对反馈环路的影响。此外,基于两维模型的迭代学习控制算法,能够充分利用2维尺度历史信息,并保证存在参数不确定性时,控制误差沿迭代指标鲁棒收敛。通过对文献中的案例仿真,可以看出本文所提出的迭代学习控制方案可以对时滞对象起到良好的控制效果。