提出了一种使用广义铰链超平面(GHH)的基于模型的迭代学习控制(ILC)策略,以跟踪批处理过程中的产品质量轨迹。 GHH作为具有分段仿射基函数的经验模型,非常适合构建批处理过程的动态模型,由于GHH模型的结构,可以轻松获得其梯度信息。 基于GHH,构造了基于二次判据的ILC(Q-ILC)算法,其中通过ILC定律更新下一个批次的输入轨迹,并且可以逐批次逐渐减少输出跟踪误差。 将该策略在模拟的典型间歇React器上进行了演示,并与基于神经网络的方法进行了比较。 仿真结果表明,在模型工厂不匹配和未知干扰下,输出跟踪误差的收敛性和所提方法的鲁棒性。