迭代学习控制(ILC)是一种数据驱动控制技术,针对具有重复性质的被控对象,利用历史输入信息及输出误差信息,通过迭代修正控制信号,实现在有限时间区间内对期望轨迹的精确跟踪。本文依托国家自然科学基金项目“高精度永磁直线伺服系统扰动抑制技术研究(51075281)”,针对高精度伺服系统高抗扰能力及高跟踪性能的要求,采用反馈控制与ILC前馈控制相结合的策略,研究高性能ILC控制伺服系统。针对某一时段上周期扰动和随机扰动对伺服控制性能影响程度不同,提出一种二维分段复合ILC控制策略。该策略在周期扰动主导时段,增强复合算法中ILC控制比重；在随机扰动主导时段,不重复扰动沿迭代轴积累,严重影响ILC收敛甚至使算法发散,因此增强复合算法中实时反馈控制比重。通过永磁直线同步电机仿真验证了算法的有效性以及良好的推力波动抑制性能,保证系统沿时间轴和迭代轴均具有良好性能。对该策略与反馈控制进行实验研究,结果表明该控制方法可以有效提高系统位置控制精度。针对ILC算法鲁棒性与跟踪性能之间的矛盾,采用分段滤波方法。伺服系统使用学习对具有因果关系的移相ILC算法,并设计出自适应2频段学习滤波器,实现快速学习收敛,从而确保控制精度。提出一种带时间窗的ILC算法,有效利用学习信息,系统结构采用ILC前馈与PI反馈控制相结合。实验结果表明该算法可以有效提高系统位置控制精度。将直线伺服系统位置变量和速度变量扰动统一为随状态变量扰动,使用状态补偿器抑制齿槽扰动和摩擦扰动,采用ILC算法更新补偿器中齿槽和摩擦扰动抑制系数。该算法将ILC与自适应控制有机结合,使用Lyapunov能量函数分析学习系统稳定性,拓宽了ILC的应用范围。通过仿真分析和实验研究,验证了提出控制方法的有效性。