针对重复或周期作业的被控对象,学习控制技术通过重复修正输入,使得被控系统的实际输出轨迹在有限时间区间或在整个周期上实现关于期望输出轨迹的零误差跟踪,并且确定性或周期变化的外部干扰得以完全补偿。学习控制方法能以较简单的方式处理不确定程度相当高的动态系统,且控制性能随学习而不断提高。实际统在运行过程中存在多种不确定性,单一的学习控制技术无法很好处理系统中存在的不可重复或非周期不确定性,而鲁棒控制技术可以有效解决系统中存在的不确定性带来的问题。直线伺服系统的作业区间是有限的,且往往重复运行,学习控制是适合此类系统的一种有效的轨迹控制方法。因此,研究鲁棒学习控制系统设计及在直线电机上的运用具有理论意义和实际应用价值。本文的研究工作主要包括以下几部分:(1)针对有限时间区间上重复运行的不确定非线性系统,由于系统中往往存在不可重复的不确定性,单一迭代学习控制无法实现系统的跟踪控制,结合处理系统不确定性的变结构控制和非线性鲁棒控制两种技术,分别提出形式简单的变结构迭代学习控制和鲁棒迭代学习控制算法,以有效克服单一控制方式的不足。两种学习算法中,变结构控制部分或非线性鲁棒控制部分采用连续化处理,可有效消除系统抖振;迭代学习控制部分可有效消除系统跟踪误差,实现在有限时间区间上系统输出完全跟踪期望轨迹。文中给出两种:迭代学习律下闭环系统中所有变量的有界性及学习收敛性的证明,同时仿真验证两种算法的有效性。(2)针对无限时间区间上周期作业的不确定非线性系统,由于实际系统中往往存在非周期的不确定性,单一重复控制技术无法很好实现系统的跟踪控制,利用变结构控制技术和非线性鲁棒控制技术处理系统不确定性,分别将这两种技术与重复控制相结合,给出了简单形式的变结构重复控制算法和鲁棒重复控制算法,可有效克服单一控制方式的不足。在这两种控制算法中,变结构控制部分或非线性鲁棒控制部分采用断续函数连续化方法,可有效消除系统抖振。两种算法均可保证闭环系统中所有变量有界,实现系统零误差跟踪性能。文中给出闭环系统中所有变量有界性及学习收敛性的理论证明,同时仿真验证两种算法的有效性。(3)针对直线伺服系统重复运行的特点,分别采用变结构控制、变结构迭代学习控制、变结构重复控制、非线性鲁棒控制、鲁棒迭代学习控制及鲁棒重复控制进行控制器设计及数值仿真。比较分析仿真结果,进一步验证文中给出的学习控制算法的有效性。