随着工业机器人在自动化制造系统中的应用,人们对作业任务快速变化的高效控制提出了很高的要求。迭代学习控制(Iterative Learning Control,简称ILC)是针对这种精确控制任务而提出的,通过重复作业,这种控制方法可使跟踪误差沿整个作业区间不断减小。然而,ILC实现参考轨迹完全跟踪,依赖于参考轨迹、干扰和系统动态过程的重复性;一旦作业任务(参考轨迹)发生变化,前期作业过程中学习累积的控制信号将无效,必须重新学习。因此,本文针对ILC的作业任务改变时必须重新学习的问题,提出了一种基于轨迹基元匹配的ILC算法,主要工作包括初次迭代控制信号的提取、轨迹基元优化匹配组合方法、ILC前馈和凡反馈控制方法等。本文的主要工作和成果如下:1.对课题背景进行简单介绍,并且对ILC和H_∞控制的研究现状进行了综述。2.介绍基于轨迹基元匹配迭代学习控制系统的整体架构,给出基于轨迹基元匹配迭代学习控制的系统框图,并介绍此系统中初次迭代控制信号的提取方法。3.研究轨迹基元优化匹配组合算法,包括建立NURBS时空模型、基于Kabsch算法的两段轨迹相似性判断方法、基于给定相似度和最小搜索步长的优化匹配组合方法,并进行相关仿真实验。4.研究ILC前馈和H_∞反馈控制方法。所提取初次控制信号与期望控制信号存在偏差,此偏差作为系统的干扰,所以采用H_∞控制方法抑制上述干扰对系统产生的影响。通过仿真实验,对ILC前馈H_∞反馈控制的效果进行分析。5.建立二连杆机械臂模型,并补偿其中的非线性部分,然后采用上述方法提取初次控制信号,通过仿真实验,验证了本文方法的有效性。6.总结本论文的工作,并且提出一些有待完善的内容。