迭代学习控制作为智能控制的一部分，具有方法简单，描述严谨且不需要被控对象的详细模型优点，有利于解决传统控制理论所不能解决的情况。常被用于不需要辨识系统参数，只有较少先验知识和简单的计算量的场合。本文首先针对网络控制系统，采用迭代学习控制算法以解决数据丢失和传输延时的问题，并针对传统迭代学习算法的学习率选择的问题引入参数优化方法，并针对网络系统模型对其收敛性和速率进行分析。其次，针对数据丢失问题，提出新型迭代学习控制方案，该系统可以不考率网络传输中的延时特性，以提高系统稳定性。通过Roessor模型，采用2-D分析法证明系统收敛性。最后实验比对不同结构的迭代学习方案额结果验证方法的有效性。接着，利用迭代学习算法用于聚乙烯模型参数辨识中。相较于常用的PSO方法，对质量指标模型引入实时特性，且计算简单。并证明含有非线性部分的系统迭代辨识的收敛性。最后仿真验证结果的有效性。最后根据卷烟厂的实际控制要求组态wincc，采用动态链接库技术与matlab仿真的对象联通。实现前面反应实际对象的仿真平台用于现场控制器的设计。