重复学习控制（repetitive learning control），工学-控制科学与工程-控制理论与控制工程基础，基于重复控制内模原理提出的一种控制方案。适用于跟踪周期参考轨迹、抑制周期干扰的场合，例如逆变电源质量控制、电力系统周期负荷扰动补偿以及硬盘/光驱驱动。与迭代学习控制不同，重复学习控制构成一个完全闭环系统，进行连续运行，前一周期的终点同时也是后一周期的起点，追求无限区间上的渐近跟踪，不要求统一初始条件。迭代学习控制每次都是独立进行的，它追求有限区间上的完全跟踪，为了保证算法的收敛性，每次运行，系统的初始状态都要还原成期望初态，因而系统的具体实现存在一定的困难。重复学习控制的无初始定位操作特性回避了被学习量初值无法通过P型学习获得，也回避了初始定位误差累加对于系统稳定性的影响。但重复学习控制不要求被学习量满足周期性，仅满足重复性即可。对于时变系统，通常将时变参数进行有限项泰勒级数展开，以常规估计参数算法估计的泰勒级数的系数。相比较而言，重复学习方法估计时变参数无截断误差。重复学习控制有以下特点：①系统每次重复运行的区间是有限的、相同的。②在运行区间上给定的期望轨迹是封闭的。