工业控制中,对一类具有非重复性干扰项的重复操作过程,传统的方法很难实现对期望轨迹的完全跟踪。本文针对这类情况,研究了一种将迭代学习控制与预测控制相结合的算法。本文首先分别介绍了迭代学习控制与模型预测控制的原理及算法,由于单一控制算法无法实现对期望轨迹的完全跟踪,接下来针对线性系统对一种基于迭代学习的预测控制算法做了研究。此种算法在时间轴方向基于跟踪误差暂态模型,采用模型预测控制来对输出误差进行实时补偿,并可以抑制当前随机干扰,提高系统的跟踪性能。在迭代次序方向使用了D型迭代学习率进行迭代学习,并克服重复干扰。并对此种算法进行了仿真研究。针对非线性系统,采用T-S模型的形式,提出了一种适用于非线性系统的迭代学习预测控制算法。基于模糊规则,把一个非线性系统分为若干个线性子系统,再根据每个子系统应用迭代学习预测控制算法。此种算法在时间轴方向采用系统的状态空间模型,通过误差的动态空间方程来推导预测模型,从而进行预测控制算法的设计。在迭代轴方向,研究了一种基于T-S模糊模型的P型迭代学习率。在状态空间方程基础上,综合给出了基于T-S模型的迭代预测学习率。经过仿真后可以看出,使用该控制算法,通过多次的迭代,可以达到对期望轨迹的完全跟踪。