在实际的过程控制中，被控对象往往都存在着一定程度的时滞，且时滞常常是未知或是在一定范围内时变的。随着工业的发展，生产规模越来越复杂，时滞对于控制品质的影响越来越不容忽视，例如，电厂再热汽温过程等，都存在着较大的时滞，对于这类对象采用常规控制系统很难得到满意的控制品质，这就影响和威胁着生产过程的经济和安全运行。因此，研究大迟延系统的控制不仅具有重要的理论价值，而且有实际应用的价值。 本课题组一直致力于时滞控制系统的研究，本文作者在本课题组研究成果的基础上，结合时滞控制系统的特点，将自学习控制的思想应用于具有纯延迟对象的控制系统，提出了滞后系统迭代自学习算法，具体工作如下： 1．基于迭代自学习控制的思想，在PID型自学习控制算法的基 础上，提出滞后系统预测自学习控制算法，并证明了此种算法的 收敛性。实际例子的仿真结果同样证明了该算法的有效性。 2．将滞后系统自学习控制与常规PID控制进行比较，分别比较 了对象参数参数变化、延迟时间变化及对象阶次变化三个方面进 行比较。并用仿真实验证明了本文算法的优越性。 3．将滞后系统预测自学习控制与Smith预估控制的结果进行比 较，分别比较了在系统中加入扰动，模型参数与对象参数不匹配 以及模型参数为非最小相位时，两种系统的输出情况。并用仿真 实验证明了本文算法的有效性。 4．为了改善滞后系统预测自学习控制算法在系统延迟时间的变 化时的控制品质，我们在滞后系统预测自学习算法前加入参数辨 识算法，特别是对于系统延迟时间的辨识，本文中使用的是梯度 辨识算法，在对梯度辨识算法进行了算法推导及收敛性证明的基 础上，给出了实际例子的仿真结果。