本书主要介绍范数优化迭代学习控制的基本理论和最新进展。全书内容分14章，系统地介绍了迭代学习控制的基本思想和理论体系，并对基于逆模型的迭代学习控制、范数优化迭代学习控制、参数优化迭代学习控制、基于逐次投影的迭代学习控制等迭代学习控制的最新研究成果进行了详细的阐述。本书也是Owens院士关于其在优化迭代学习领域中长期的研究结果的凝练和总结。
本书可作为高等院校控制理论及其应用等专业的研究生教材和教学参考用书，也可供相关领域科研工作者和工程技术人员参考使用。

译者序
丛书序
前言
致谢
第1章 绪论
1.1 控制系统、模型和算法
1.2 重复和法代
1.2.1 周期性参考信号
1.2.2 重复控制和多通道系统
1.2.3 迭代学习控制
1.3 迭代的动态特性：概念回顾
1.4 预备知识的需求
1.4.1 数学知识综述
1.4.2 算法的概念基础
1.5 讨论和扩展阅读
第2章 戴学方法
2.1 矩阵元素的理论
2.2 二次最优和二次型
2.2.1 配方
2.2.2 奇异值、拉格朗日方法和矩阵范数
2.3 Banach空间、算子、范数和收敛序列
2.3.1 向量壁间
2.3.2 范数空间
2.3.3 收敛性、闭包、完备性和Banach 空间
2.3.4 线性算子和稠密子集
2.4 Hilbert 空间
2.4.1 内积和范数
2.4.2 范数和弱收敛
2.4.3 H山田空间上的伴随和自伴随算子
2.5 实Hilbert 空间、凸集和投影
2.6 Hilbert 空间上的最优控制
2.6.1 通过配方法证明
2.6.2 使用映射定理证明
2.6.3 讨论
2.7 进一步讨论和参考书目
第3章 状态空间模型
3.1 连续状态空间系统模型
3.1.1 状态方程的解
3 1.2 卷积算子和脉冲响应
3 1.3 系统作为函数空间之间的算子
3.2 拉普拉斯变换
3.3 传递函数矩阵、极点、零点和相对阶
3.4 系统的频率响应
3.5 离散时间、采样数据状态空间模型
3.5.1 用差分方程表示的状态空间模型
3.5.2 线性离散时间状态方程的解
3.5.3 离散卷积算子和离散冲激响应序列
3.6 !F 变换和离散传递函数矩阵
3.6.1 离散传递函数矩阵、极点、零点和相对阶
3.6.2 离散系统的频域响应
3.7 多速率离散时间系统
3.8 能控性、能观性、最小实现和极点配置
3.9 逆系统
3.9.1 m=l零点和f 的情况
3.9.2 当m≠l时的左逆和右逆
3.10 线性连续系统的二次最优控制
3.10.1 相关算子和空间
3.10.2 伴随算子的计算
3.10.3 两点边值问题
3.10.4 Ric四川方程和状态前馈加反馈的描述
3.10.5 另一种Rlccati 描述
3.11 扩展阅读和参考书目
第4章 矩阵模型、超向量和离散系统
4.1 超向量和矩阵模型
4.2 串联和并联代数
第5章 迭代学习控制的构建
第6章 逆模型控制算法
第7章 梯庭算法及其单调性
第8章 逆模型和梯度法融合设计
第9章 范数优化迭代学习控制
第10章 NOILC 的扩展
第11章 迭代与辅助优化
第12章 迭代和逐次投影
第13章 加速和逐次投影
第14章 参数优化迭代控制