迭代學習控制 (ILC) 是一種對以重復模式工作的系統進行跟蹤控制的方法。 以重復方式運行的系統示例包括機械臂操縱器、化學批處理過程和可靠性測試臺。 在這些任務中的每一項中，系統都需要以高精度一遍又一遍地執行相同的動作。 該動作的目標是在有限的時間間隔內準確跟蹤選定的參考信號 r ( t ) {\\displaystyle r(t)}。

重復允許系統從重復到重復提高跟蹤精度，實際上學習準確跟蹤參考所需的輸入。 學習過程使用來自先前重復的信息來改進控制信號，最終能夠迭代地找到合適的控制動作。 內部模型原理產生了可以實現完美跟蹤的條件，但控制算法的設計仍然需要做出許多決定以適應應用。 一個典型的、簡單的控制律的形式

其中 u p {\\displaystyle u_{p}} 是第 p 次重復期間系統的輸入，K 是表示對 e p 操作的設計參數 。 通過迭代實現完美跟蹤由輸入信號收斂的數學要求表示，因為 p {\\displaystyle p} 變大，而這種收斂速度表示學習過程快速的理想實際需求。 即使在過程動態細節存在不確定性的情況下，也需要確保良好的算法性能。 K {\\displaystyle K} 運算對于實現設計目標至關重要，其范圍從簡單的標量增益到復雜的優化計算。