近几年，自动化控制领域内的学者们对非线性系统控制理论产生了浓厚的兴趣。随着非线性连续时间系统的研究成果不断完善，研究者们的注意力正逐渐转移到非线性离散时间系统上来。目前，针对含有时变参数不确定性的非线性离散时间系统，已经提出了带有迭代差分估计器的离散自适应ILC，该方法考虑了系统初始值不确定以及目标轨迹迭代变化的情况，可以解决带有时不变参数系统的问题。当系统中含有未知混合参数，即系统中同时带有时变参数和是不变参数的情况时，单纯的基于迭代差分估计器的离散自适应ILC方法，因为在每次操作过程中，系统未知参数沿时间轴没有任何更新，因而会降低跟踪误差的收敛速度。另外，目前所提出的离散自适应ILC方法，均要求先将非线性系统进行参数线性化，以此设计离散自适应ILC。那么，如何实现一般非线性系统的无模型自适应迭代学习控制，是很有研究意义的课题，符合实际控制问题的需要。本文针对以上问题，提出了几种新型离散自适应ILC方法，具体如下：第一，针对常参数不确定离散时间系统，提出了基于时间差分估计器的自适应ILC方法。在初始条件和参考轨迹均迭代变化的情况下，所提出的方法仍可实现跟踪误差的完全收敛性能。然后将所提出的离散时间自适应ILC方法与带有迭代差分估计器的离散时间自适应ILC进行了比较研究，指出了两种方法各自的优缺点及适用范围。第二，针对混合参数离散时间系统，提出了一种新的混合离散自适应ILC方法，该方法由差分型自适应律和学习控制律组成，克服了传统的迭代学习控制对满足相同初始条件和目标轨迹的限制。通过构造李亚普诺夫函数，证明了跟踪误差的收敛性。仿真结果说明了方法的可行性和有效性。第三，针对一般的MIMO非线性离散时间系统，提出了基于偏格式动态线性化的非线性离散自适应ILC方法，抑制了模型的不确定性，并给出了收敛性分析，从理论上证明了方案的可行性。最后仿真结果表明该方法能够有效改善和提高系统的控制性能。