与传统采用点对点连接方式的控制系统相比，网络控制系统具有易于安装和维护、执行器重量轻、布线需求低等优点。尤其是采用无线网络的控制系统，测量信号和控制信号分别通过无线网络在传感器和控制器、控制器和执行器间传输，实现了控制器和系统平台的分离，给系统应用赋予了更大的灵活性。其中针对具有重复运动特性的受控系统，无线网络控制系统的控制器采用迭代学习控制(Iterative Learning Control, ILC)方式是一种有效的方法。该方式利用前次迭代的输出误差对当前迭代所需的控制输入进行调整，通过对输出误差进行学习，即可保障输出误差随着迭代次数的增加收敛于零。然而，无线网络的引入给ILC系统性能的保障带来了极大的挑战。测量信号和控制信号在无线传输的过程中不可避免地会受到信道噪声、通信时延和数据丢失等因素的干扰。这些干扰会随着控制器迭代学习过程的进行而累积，从而影响ILC系统的收敛性能，甚至造成整个控制系统的崩溃。本文将就这些干扰因素对测控信号无线传输ILC系统收敛性能造成的影响进行分析，并分别提出相应的信号处理方法来保障ILC系统的收敛性能。主要工作和创新点概括如下：1.根据建立的包含信道噪声影响的ILC系统模型，利用超级向量方法得到了输出误差向量和信道噪声向量之间的关系，并以输出误差自协方差矩阵范数为目标函数分析了信道噪声对系统收敛性能的影响。由分析可知，在存在信道噪声影响的情况下，输出误差自协方差矩阵范数不再收敛于零，而是收敛于一个有限的误差值。该误差值的上界是一个关于噪声方差的函数，即噪声方差的变化会影响输出误差自协方差矩阵范数的收敛性能。需要特别指出的是，控制信号受到的噪声干扰对系统收敛性能的影响明显大于测量信号受到的噪声干扰的影响。输出误差的收敛依赖于控制输入误差的收敛，而控制输入误差和信道噪声以及学习增益之间的关系表明控制信号受到的噪声和测量信号受到的噪声均以相乘的方式受到学习增益的约束。基于这一发现，提出了一种抑制信道噪声影响的增益系数自适应选择方法。该方法通过最小化控制输入误差自协方差矩阵的迹对学习增益进行自适应选择。通过自适应选择的学习增益抑制了信道噪声对控制输入误差收敛性能的影响，从而改善了系统输出误差的收敛性能。2.根据建立的包含一步随机时延或固定时延影响的ILC系统模型，通过分析转移矩阵的特征值和下三角内其他元素取值变化，分别研究了测控信号受到的一步随机时延和固定时延对ILC系统收敛性能的影响。就一步随机时延而言，分析结果表明ILC系统的收敛速度被降低，鲁棒收敛性能也受到了影响。尤其是控制信号受到的一步随机时延，其对系统鲁棒收敛性的影响明显大于测量信号一步随机时延的影响。就固定时延而言，分析结果表明ILC系统的性能发生了发散，完全不能实现对期望轨迹的精确跟踪。在假设测量信号和控制信号受到的固定时延可测的前提下，提出了一种保障ILC系统收敛性能的时延补偿方法。该方法通过在控制器端对固定时延进行补偿，使发生错乱的测量信号和控制信号时序得到修正。由分析系统转移矩阵的元素取值可知，该方法保障了测控信号受到固定时延影响下的ILC系统收敛性能。3.根据建立的包含数据丢失影响的ILC系统模型，通过分析转移矩阵的特征值和下三角内其他元素取值的变化，研究了测控信号随机丢失对ILC系统收敛性能的影响。分析结果表明，测量信号的随机丢失仅会降低ILC系统的收敛速度，而控制信号的随机丢失不仅会降低ILC系统的收敛速度，还会严重影响系统的鲁棒收敛性。针对控制信号随机丢失对ILC系统收敛性能的影响，根据控制信号在迭代域内得到收敛的这一性质提出了一种补偿方法用来保障ILC系统的收敛性能。该方法在执行器端利用前次迭代过程中与丢失信号相同时刻的控制信号代替发生丢失的控制信号，在牺牲一定收敛速度的情况下，补偿了当前迭代过程中控制信号丢失的影响，从而保障了系统的收敛性能。