相对简单的控制策略，能够降低超声波电动机系统的复杂性，提高性价比。迭代学习控制算法简单，根据较少的经验知识即可确定控制参数。针对超声波电动机的控制特点，改进了迭代学习控制算法，设计了电机转速迭代学习控制策略。试验表明，电机系统具有较好的额迭代学习能力，控制效果在重复学习过程中渐进改善，控制策略简单有效。

     超声波电动机特殊的运行机理，使其运行特性表现出明显的非线性及时变特征，不易得到理想的运动控制性能。为克服超声波电动机自身的这些缺点，努力得到符合应用期望的控制性能和运行稳定性，其控制策略的研究逐渐趋于复杂化。许多复杂的控制器，如神经网络控制器、自适应控制器、模糊神经网络控制器等，先后被提出并用于超声波电动机。这些控制策略，算法复杂，不仅增加了系统复杂度，而且在线计算量大，其实现需要更高档的DSP等芯片，从而增加了系统成本。不利于超声波电动机的大规模产业化应用。

     我们当然希望控制策略越简单越好，但前提是电机系统控制性能盲足工业应用要求。而之所以超声波电动系统控制研究日渐复杂化原因在于惯常使用的定常参数PID等简单控制策略无法满足需要。于是，有必要探求其它的较为简单的控制形式和控制策略，并针对超声波电动机的特点进行合理改变、设计与整定，才有可能实现我们的期望。

     人在上世纪80年代提出的迭代学习控制思想，是一种通过模仿人类学习行为来获得控制能力的渐进控制过程。该控制器在重复的运行过程的控制量最有变化轨迹，从而得到更好的控制性能。迭代学习控制算法较为简单，不依赖于被控对象的精确模型，适用于超声波电动机这类具有高度非线性、模型难以准确确定且可重复运行的被控对象。

     本文针对超声波电动机的时变非线性，分别设计了形式简单的P型和PI型迭代学习控制策略，对超声波电动机进行转速控制。试验表明，控制算法简单，易于实现，电机转速响应曲线表现出渐进的学习过程，控制效果较好。