1.一种化工批次过程模糊迭代学习控制方法，其特征在于该方法具体是：步骤1、建立模糊模型，具体是：

1.1 考虑连续形式的非线性批次过程，模型如下：

其中，t为时刻，k是批次，x(t,k),u(t,k),ω(t,k),y(t,k)分别表示第k批次t时刻的状态、输入、未知干扰和输出， 表示第k批次t时刻状态的导数，Tk是批次k的运行时间，f[]、g[]都表示非线性函数；

1.2 将步骤1.1中的批次过程进一步处理成如下的模糊模型：其中，

r表示为一个大于等于1的任意自然数，p表示为预测时域，j＝1,2...，p，Mij表示为模糊集，Ai,Bi,Ci分别表示在第i条规则之下系统的状态、输入和输出的对应的矩阵，x(t+1,k)表示第k批次t+1时刻的状态，z(t,k)表示第k批次t时刻的预测变量，z1(t,k),...,zp(t,k)分别表示第k批次t时刻在第1,...，p步的预测变量，Mij(zj(t,k))表示zj(t,k)在模糊集Mij作用下的一个重要过程参量；

步骤2、设计批次过程控制器，具体是：

2.1 对于一个模糊系统的描述，迭代学习控制律如下：r(t,k)表示第k批次t时刻的更新律，u(t,0)表示迭代的初始值， u(t,k-1)表示第k-1批次t时刻的输入；

2.2 定义相邻批次过程中的系统状态误差和输出跟踪误差为：δ(x(t,k))＝x(t,k)-x(t,k-1)

e(t+1,k)＝yr(t+1,k)-y(t+1,k)δ(x(t,k))表示第k批次t时刻系统状态误差，e(t+1,k)表示第k批次t+1时刻的输出跟踪误差，x(t,k-1)表示第k-1批次t时刻状态，yr(t+1,k)表示第k批次t+1时刻预测输出，y(t+1,k)表示第k批次t+1时刻实际输出；

2.3 根据步骤2.2确定批次处理的扩展状态变量为：其中，

表示z(t,k)的定义，xj(t,k)表示第k批次t时刻在第j步时系统的状态，Mij(xj(t,k))表示xj(t,k)在模糊集Mij作用下的一个重要过程参量，δ(x(t+1,k))表示第k批次t+1时刻系统状态误差，e(t+1,k-1)表示第k-1批次t+1时刻的输出跟踪误差,I表示一个单位矩阵，0表示一个零矩阵，δ(ω(t,k)))表示第k批次t时刻的干扰的跟踪误差；

2.4 根据步骤2.3并且结合误差补偿的技术，得到一种基于跟踪误差的更新律：其中，Ki表示在规则i下的控制增益；

2.5 根据步骤2.4，在规则i下得到一种化工批次过程模糊迭代学习控制的控制器的更新律：

2.6 根据步骤2.1和步骤2.5，得到一种化工批次过程模糊迭代学习控制的控制量：u(t,0)＝0

2.7 根据步骤2.2到步骤2.6，依次循环求解基于一种化工批次过程模糊迭代学习控制的控制量u(t,k)，再将其作用于被控对象。