1.一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，包括以下步骤：步骤一：连接好直线伺服系统，设置好相关控制器参数，将参数下载到运动控制卡上的芯片中；

步骤二：根据直线伺服系统的时不变离散状态空间的要求，下载控制器参数，并使能伺服系统，使电机闭环；

步骤三：在直线伺服系统信号输入端输入理想轨迹信号rset(t)，信号阶跃点产生，规定采样周期Ts，采集输出位移信号y(t)，采集采样点，输入信号rset(t)减去输出信号y(t)为误差信号e(t)，利用QL型迭代学习控制算法计算驱动力，规定直线伺服系统的响应调节时间，迭代优化时所使用的误差信号e(t)；

步骤四：对迭代学习控制的稳定性和收敛性进行分析，对QL型迭代学习算法表达式进行变换，计算系统的稳定条件；

步骤五：根据最优控制理论引入迭代学习控制算法的性能目标函数进行控制器的设计，并选择合适的权重矩阵和拉格朗日乘子对直线伺服系统进行振动抑制；

步骤六：求取各个参数的最优值，利用迭代学习法对所得误差进行迭代学习，将经过迭代学习修正过的驱动力重新下发到运动控制卡，反复此迭代学习过程抑制其振动。

2.如权利要求1所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，步骤二，所述直线伺服系统的时不变离散状态空间表达式为：则第k次迭代时输入输出关系为：

其中，H∈RN×N为脉冲传递函数矩阵，uk＝[u(0)，…，u(N-1)]T为有限离散控制输入指令，yk＝[y(0)，…，y(N-1)]T为有限离散系统输出信号，k代表迭代次数；理想轨迹为rset(t)，迭代学习的时间跨度为t∈[0，T]。

3.如权利要求2所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，步骤三，所述QL型迭代学习控制算法进行迭代学习控制如下：uk+1(t)＝Q[uk(t)+Lek(t)]则迭代学习控制系统的误差为：

ek＝rset-yk

其中，Q∈RN×N，L∈RN×N，uk∈RN，ek∈RN。

4.如权利要求3所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，步骤四，所述QL型迭代学习算法表达式可变换为：uk+1＝Q(I-LH)uk+QLrset

则系统稳定性条件为，其谱半径满足以下条件：

ρ(Q(I-LH))＜1。

5.如权利要求4所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，系统渐进收敛的条件为，其最大奇异值满足以下条件：此时，迭代学习控制系统是稳定并且渐近收敛的，满足以下表达式：||u∞-uk||≤λk||u∞-u0||

其中， λ为朗格朗日算子。

6.如权利要求1-5任一所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，步骤五，所述最优控制理论引入迭代学习控制算法的性能目标函数如下：其中，ek+1＝rset-yk+1，We，Wu为两个半正定加权矩阵，目标函数的约束条件如下：其中， 且为足够小的实数，经推导则可得出：

7.如权利要求6所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，基于所述性能目标函数，进行控制器Q，L的设计，由于uk+1为函数Jk+1的变量，令经推导可得出：uk+1＝(Wu+λ·I+HTWeH)-1(λ·I+HTWeH)(uk+(λ·I+HTWeH)-1HTWeek)由QL型迭代学习算法表达式对比可得：

8.如权利要求7所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，对控制器参数Wu进行优化设计，增加控制系统的鲁棒性和收敛速度，则有：Wu＝δ·IN

其中，δ为大于0的任意实数。

9.如权利要8所述的一种直线伺服系统机械谐振控制方法，其特征在于，对控制器参数We进行优化设计，对初始误差进行时-频域分析，针对误差在频域的分布图进行参数的设计：We＝diag{w(1)，w(2)，...，w(N)}其中，w(k)为对应k时刻时的权重系数，对误差信号运用时频域分解函数进行分析，由此可设计关于w(k)的函数如下：其中，矩阵函数满足以下关系：

10.如权利要求9所述的一种基于迭代学习的直线伺服系统振动抑制方法，其特征在于，步骤六：利用上位机仿真软件MATLAB的最优控制工具箱函数求取各个参数的最优值；直线伺服系统为直线电机，上位机为电脑或工控机。