当系统重复执行任务时，需要使用归位机制进行重新定位。 经过研究不良的重新定位对迭代学习控制的跟踪性能的影响， 本文开发了一种用于提高性能的变阶学习方法。 通过变阶学习，确保合成的系统输出轨迹遵循给定的轨迹与传统的固定顺序方法相比，具有较低的误差范围。 分立的在形成的变阶学习算法中引入时间初始校正动作，并且得出了收敛的充分条件。 提出了一种基于提出的方法，并通过两个机械手示例的数值结果进行说明。 ＆2010富兰克林研究所。 由Elsevier Ltd.发布