本书较系统地介绍了迭代学习控制的基本理论和近年来的新方法、新成果。书中对连续系统的迭代学习控制、离散系统的迭代学习控制、分布参数系统的迭代学习控制、退化系统的迭代学习控制、滞后广义系统的迭代学习控制、具有遗忘因子的迭代学习控制、迭代学习控制的几何分析方法及非最小相位系统的最优迭代学习控制等进行了较详细的阐述。最后介绍了迭代学习控制在各方面的应用。

学习是人类的基本智能行为之一。让控制器本身具有某种智能，使得它在控制过程中能不断地完善自己，以使控制效果越来越好，这种具有学习能力的控制器一直是控制工程师们追求的目标。自Arimoto在1984年针对机器人系统的特点，模拟人类学习技能过程，开创性地提出迭代学习控制的概念及其基本的研究方法以来，迭代学习控制一直是控制的研究热点之一，受到国内外控制界的广泛重视，并正逐渐发展成为智能控制领域的重要分支之一。

迭代学习控制的适用对象是诸如工业机器人那样的具有重复运动性质的被控系统，它的目标是实现有限区间上的完全跟踪任务。迭代学习控制采用“在重复中学习”的学习策略，具有记忆和修正机制。它通过对被控系统进行控制尝试，以输出轨迹与给定轨迹的偏差修正不理想的控制信号，以产生新的控制信号使得系统的跟踪性能得以提高。迭代学习控制的研究，对具有较强的非线性耦合、较高的位置重复精度、难以建模和高精度轨迹跟踪控制要求的动力学系统有着非常重要的意义。

迭代学习控制理论与应用研究20年来受到了国内外控制界的普遍重视，人们针对不同类型的对象，提出了形式多样的迭代学习控制律，并在一定的前提假设条件下，利用各种数学工具，分析得到了迭代学习控制的收敛性条件Moore教授于1993年出版了迭代学习控制方面的第一本专著之后，又于1998年再次撰写论文，详细评述和归纳了截止到1997年的迭代学习控制研究的进展．目前国内外都有着多个迭代学习控制的研究小组，近十几年来，每届CDC(IEEE Conference on Decision and Control)、ACC(American Control Conference)和IFAC(International Federation of Automatic Control)等控制方面的大会都设有迭代学习控制的专题小组．国际著名的控制类杂志“Intenlational Journal ofControl”在2000年出版了迭代学习控制的专辑，介绍了一些新的研究成果．这些都说明了迭代学习控制研究的意义和活跃性，同时也表明了迭代学习控制的理论还不能认为已经完善。

近年来，对迭代学习控制的研究，无论是方法上，还是在所适应的系统类型及应用场合上都又有了新的发展，如基于向量图分析的几何方法、基于小波的逼近方法以及滞后广义系统、分布参数系统、退化系统、非最小相位系统等复杂受控对象。目前，国内外所出版的专著中还没能反映出与这些有关的新方法及相应的新成果，鉴于此，作者感到十分有必要撰写一本参考书，向读者介绍有关的基本理论和近年来的新方法和新成果，但是，由于迭代学习控制理论与应用的范围很广，作者在本书中只能以介绍自身的研究小组近年来的相关研究成果为主线，穿插介绍国内外的发展情况，尤其在迭代学习控制的应用上，书中也给出了较多的介绍．由于作者的水平和研究范围有限，书中缺点和不足在所难免，作者真诚地欢迎读者批评指正。

作者要特别地感谢指引我们走向迭代学习控制研究的启蒙老师——中国科学院数学与系统科学研究院的郭雷院士，他以对迭代学习控制理论及技术的重要性的敏锐意识，指导作者开展了有关的研究工作，并为作者的前期研究提供了良好的学术环境。同时也要感谢作者的导师刘永清教授，是他一直鼓励和培养我们在这方面进行研究，他为我们的进步和成长费尽了心血。本书中作者的成果分别获得了国家自然科学基金(60274006)、教育部跨世纪优秀人才基金(教技函[2002]48号)、国家杰出青年科学基金(60325310)及广东省自然科学创新团队研究项目(04205783)的资助。这些对本书的形成奠定了坚实的基础。作者对他们表示衷心的感谢。

作者

2004年11月于华南理工大学