1.一种基于预测型间接迭代学习的SCARA机器人轨迹跟踪控制方法，其特征在于，包括如下步骤：步骤(1)：采用D-H参数法构建SCARA机器人数学模型，并将任务空间的期望轨迹逆解到关节空间；

步骤(2)：设计直接作用于SCARA机器人本体的双闭环反馈控制器；

步骤(3)：通过编码器检测反馈SCARA机器人关节实际位置xi(t)和关节实际运行角速度ωi(t)；

步骤(4)：设计具有前馈功能的预测型迭代学习控制器；

步骤(5)：根据SCARA机器人实际关节位置与期望关节位置的偏差，通过预测型迭代学习控制器，优化调整双闭环反馈控制器的关节位置指令给定；

步骤(6)：运行完成后检验是否达到离线迭代学习停止条件，若达到停止条件则停止学习，开始在线运行，否则继续迭代学习。

2.根据权利要求1所述的基于预测型间接迭代学习的SCARA机器人轨迹跟踪控制方法，其特征在于，所述步骤(4)中预测型迭代学习控制器的设计是通过对比例微分型迭代学习控制器(PD-ILC)的改进所获得，即预测型迭代学习控制器(A-ILC)，利用前一运行批次在采样时刻t+Δ处的输出误差信息，来调整下次运行在采样时刻t处的控制效果。

3.根据权利要求1并结合权利要求2所述的基于预测型间接迭代学习的SCARA机器人轨迹跟踪控制方法，其特征在于，所述步骤(4)中预测型迭代学习控制器的设计加入了前馈环节，具有前馈功能的预测型迭代学习控制器设计如下：第i次运行时，机器人关节轨迹跟踪误差为：

ei(t)＝rd(t)-xi(t)

第i次运行时，迭代学习控制器的输出为：

ri(t)＝rd(t)+rILC_i(t)+Kei(t)对于预测型迭代学习控制，调整量的更新策略为：

rILC_i(t)＝rILC_i-1(t)+kAei-1(t+Δ)第一次运行时，由于还没有前一运行批次的输出信息，所以位置给定调整量为0，因此定义rILC_0(t)＝0，使得rILC_1(t)＝0。

则可以得到：

rILC_i(t)＝kA·(e1(t+Δ)+e2(t+Δ)+…+ei-1(t+Δ))i＝2，3，…其中，Δ为超前采样时间，K为前馈增益，kA为预测学习增益。rd(t)表示逆解得到的关节待跟踪轨迹；ri(t)表示第i次运行时双闭环反馈控制器的实际关节位置给定值；rILC_i(t)表示第i次运行时关节位置给定的调整量；xi(t)为第i次运行完成后机器人关节输出的角度位置信息；ei(t)表示第i次运行时关节角度的跟踪误差。