自从Arimoto提出迭代学习控制以来，学术界对于由常微分方程描述的各类系统进行了深入的研究，提出了各种控制方法，比如开环P型算法，开环PID型算法；闭环PD型算法，闭环PID算法等，并与智能控制、人工智能和神经网络等控制算法相结合，发挥各自优势在实际工程实践中有效解决了多种控制问题。但是学术界对于分布参数系统的研究相对来说还比较少。基于以上这些原因，本文主要针对两类满足一定条件的带有状态时滞的抛物型分布参数系统进行了研究，提出了两种迭代学习控制算法，通过证明和数值仿真验证了算法对所给定的分布参数系统进行了有效的控制。针对一类满足Lipschitz条件的带有状态时滞的非线性抛物型分布参数系统和带有多状态时滞的抛物型分布参数系统分别提出了一种高阶学习律和开环P型迭代学习控制算法，并在理论上证明了本文所提出的控制算法的有效性，并给出了相应的数值仿真实例。对于一类满足Lipschitz条件的带有状态时滞的非线性分布参数系统提出的是一种高阶算法，此类算法在分布参数系统中的应用并不多见。由于目前学术界对于分布参数系统的算法没有有效的效率区分方法，因而不能分辨此种算法与一般PID算法的效率区别，但是目前迭代学习控制的趋势就是拓展已经有的算法，因此本算法在分布参数系统中的应用还是比较有益的。对于带有多状态时滞的线性系统本文提出的是开环P型迭代学习控制算法。在证明所提出的控制算法的有效性时，针对本文所研究的状态时滞为常数的特点，根据使用系统输入估计系统状态的基本思想，又根据所研究系统系统状态的初始值的特点，使用黎曼积分变换积分限的技巧，成功的证明了给出的控制算法的有效性。对于迭代学习控制的研究来说，对于算法的有效性的证明是至关重要的，但是目前对于系统的数值仿真的重视程度不断提高。本文针对提出的两类分布参数系统都给出了数值仿真。在对这两类系统的仿真过程中，使用了向前Euler差分格式对偏微分方程进行了数值计算，成功的对系统进行了仿真。