在工业加工过程中存在大量的变轨迹跟踪问题,这类跟踪问题要求系统输出可以有效跟踪上变化的期望轨迹。针对相同轨迹的跟踪问题,迭代学习控制(ILC)能够出色地完成跟踪任务;而针对变轨迹的跟踪问题,传统ILC因不能继承变化轨迹间的控制数据而无法高效地完成跟踪任务。基于此,研究变轨迹跟踪具有十分重要的应用价值。本文针对同质曲线簇轨迹(HTG)的跟踪问题,提出了基于知识继承的四轴迭代学习控制(4A-ILC)算法。该算法首先应用ILC从源轨迹中获得基准控制数据,然后通过本质特征变换实现基准控制数据的知识继承,最后将其预设为下一轨迹首次运行时的控制数据。论文的主要内容如下:(1)针对变轨迹的研究,定义了一类同质曲线簇轨迹。HTG由源轨迹通过本质特征变换,即增益变换和偏移变换衍生得到,HTG的所有轨迹均具有相同的本质特征,且具有渐变幅值的特点。(2)针对同质曲线簇轨迹的跟踪问题,提出了四轴迭代学习控制。4A-ILC包含了传统ILC所具有的时间轴、迭代轴和幅值轴,以及其所不具有的轨迹轴。引入轨迹轴的目的是,逐一处理同质轨迹的控制数据实现知识继承,以降低同质曲线簇轨迹的整体跟踪次数,提高学习效率。最后,通过理论分析和数值仿真验证了4A-ILC的有效性。(3)针对具有双重噪声,即既含有系统内的噪声又含有系统外的噪声的被控系统,提出了基于双重卡尔曼滤波的四轴迭代学习控制(DKF-4A-ILC)。首先,在时间轴上利用卡尔曼滤波抑制系统内的噪声,以降低跟踪误差;然后,在迭代轴上利用迭代更新的卡尔曼滤波抑制系统外的噪声,进一步降低跟踪误差;最后,在轨迹轴上通过知识继承,实现对同质曲线簇轨迹的快速跟踪。通过范数理论分析了DKF-4A-ILC的收敛性及学习效率,并通过数值仿真测试了DKF-4A-ILC的有效性。