分布参数系统由于其本身具有空间和时间分布特性,使它在各个控制领域有广泛的应用背景,如人口增长、化工过程、振动过程、核反应过程、社会系统、环境工程等方面。迭代学习控制因为其独特的记忆和修正特点,成为了解决分布参数系统控制问题的主要智能控制算法之一。任何学习算法都需要一个内在要求,即重复性。然而对于被控系统的重复性要求往往在一定程度上限制了迭代学习控制的广泛应用,因为当跟踪目标发生变化时,迭代学习控制算法需要从头开始学起,从而浪费了此前已经学习到的经验。当跟踪目标沿迭代数轴产生变化时,学习控制算法如何充分利用已有的信息进行调整,关于这方面的研究目前仅有针对集中参数系统的报道,而针对分布参数系统的相关研究还很有限。本文针对变跟踪轨迹的分布参数系统的迭代学习控制问题的研究具有重要意义。论文的研究工作如下:（1）将变跟踪轨迹的学习控制问题应用到线性分布参数系统是本文的研究重点之一。首先,本文研究了在期望轨迹随迭代次数变化的条件下,提出一种含有被控系统的期望输出轨迹偏移特性的新的迭代学习控制算法,并且建立了线性分布参数系统在新算法控制下,系统实际输出轨迹达到完全跟踪的充分条件。其次,利用压缩映射原理、微分不等式等数学公式对系统的稳定性进行分析。通过数值仿真试验,验证给出学习控制算法的有效性。（2）对于非线性分布参数系统的变跟踪轨迹的迭代学习控制问题的研究。借助李普希兹条件,将非线性分布参数系统进行简化处理,得到等价形式的控制系统。然后,根据系统期望轨迹的变化特点,在所提新算法的条件下,给出了被控系统输出误差在（L,）范数意义下收敛的充分条件。借助数值例子,进一步验证算法的有效性。（3）针对分数阶线性分布参数系统,使用一种新的P型迭代学习控制算法,研究了变跟踪轨迹的学习控制问题。考虑到分数阶系统与整数阶系统的区别,通过Caputo导数、Gamma函数以及分数阶不等式等数学工具,分别估计系统状态误差以及系统输出误差间的代数关系,从而得到分数阶系统稳定的条件。此外,利用格林公式和相关范数特性等基本数学公式,给出了所提算法有效的条件。最后考虑到系统期望输出随迭代次数变化的情况,给出系统输出误差收敛到一定区域内的充分条件。通过数值仿真结果进一步验证迭代算法的有效性。