随着机械化大生产的扩大与深入,被控对象越来越复杂,控制精度要求越来越高,如何实现对工业生产系统的建模与控制是目前控制界的重要任务之一。机械臂系统广泛应用于工业生产是一个多输入多输出、高度耦合的非线性系统。由于实际应用中存在随机扰动、负载变化等不确定因素使获得机械臂等系统的精确动力学模型相当困难。特征建模以系统的输入输出以及控制要求建立模型,为机械臂等系统的建模提供了途径。迭代学习控制和自适应控制以其在控制上无精确模型要求和学习特性,为机械臂等系统的控制提供了解决方案。研究系统的建模与控制问题具有重要的理论意义和实际工程应用价值。本文基于特征建模的思想,结合迭代学习控制和自适应控制设计了两种自适应迭代学习控制器,并以机械臂和倒立摆系统为对象进行了仿真分析。同时针对具有重复干扰的机械臂系统,设计了一类自适应双迭代学习控制器。本文的主要工作如下：1.介绍了特征建模的思想,给出了一类非线性系统特征建模的方法,并推导了单连杆机械臂和两连杆机械臂的特征模型。理论分析和数值仿真表明,当采样时间足够小时,系统的实际输出和特征模型输出是等价的,验证了特征建模的有效性。2.推导了最小二乘迭代辨识算法,并对算法进行了改进,针对实际系统动态特性变化的情况,增加了变遗忘因子项。通过仿真表明,采用改进的算法具有较高的辨识精度。3.针对特征模型,提出了基于性能指标的最优自适应迭代学习控制器和基于完全跟踪的一类简单自适应迭代学习控制器,并以机械臂和倒立摆系统为被控对象进行仿真。通过仿真表明,两类控制器均可有效跟踪期望轨迹。相对于最优自适应迭代学习控制器,新设计的简单自适应迭代学习控制器具有更高的控制精度,控制输入更为平滑,易于工程实现。4.针对一类带有重复不确定干扰的机械臂系统,设计了一类自适应双迭代学习控制器,同时给出了收敛性证明。通过仿真结果可知,该类控制器具有一定的鲁棒性,随着迭代次数的增加,能有效跟踪期望轨迹。