1.一种批次称重加料过程迭代学习控制方法，其特征在于：包括以下步骤：S101：根据称重加料过程的机理，建立称重加料过程的状态空间模型；

S102：基于状态空间模型，得到与迭代学习控制器对应的二维系统；

S103：根据二维系统的稳定性条件、称重加料过程系统的控制性能的目标函数和多目标优化方法，得到多组控制参数，并将多组控制参数的控制性能进行一一对比，得到迭代学习控制器的最优控制器参数；

S104：根据迭代学习控制器的最优控制器参数，确定迭代学习控制器，得到当前批次t时刻的迭代学习更新律，α≥t≥1，α为每一批次的加料时长；

S105：获取上一批次t时刻的称重加料过程的输入电压，根据当前批次t时刻的迭代学习更新律，得到当前批次t时刻的称重加料过程的输入电压；称重加料过程的输入电压即为迭代学习控制器的输出；

S106：根据当前批次t时刻的称重加料过程的输入电压，控制整个称重加料过程；

S107：当达到当前批次的加料时长α后，回到步骤S104，开始新的批次的称重加料过程，直到完成所有批次的称重加料过程。

2.如权利要求1所述的一种批次称重加料过程迭代学习控制方法，其特征在于：在步骤S101中，称重加料过程的状态空间模型为：其中，Kif为增益系数，m为质量，k为弹簧的弹性系数，c为阻尼器的阻尼系数，L为电磁振动执行器线圈的感抗，u为电磁振动执行器线圈两端的电压，i为电磁振动执行器线圈的电流，w为物料质量，X为料槽的振动位移，Kxv为料槽的振动位移与振动给料器的平均给料速度的比例系数。

3.如权利要求1所述的一种批次称重加料过程迭代学习控制方法，其特征在于：在步骤S102中，与迭代学习控制器对应的一个二维系统为：其中：

A、B、C分别为

称重加料过程的状态空间模型离散化后的系数，I为单位矩阵，Kmn为控制器参数中的元素，m＝1,2，n＝1,2,3。

4.如权利要求3所述的一种批次称重加料过程迭代学习控制方法，其特征在于：在步骤S103中，二维系统的稳定性条件为：存在正定的对称矩阵P,Q，且P＞Q＞0，通过MATLAB中线性矩阵不等式求解工具箱求解出矩阵P,Q,Y1,Y2，使得以下线性矩阵不等式成立其中，

5.如权利要求4所述的一种批次称重加料过程迭代学习控制方法，其特征在于 ：在 步 骤S1 03中 ，称 重加料 过程系统 的控 制性能的 目标 函数为 ：其中，yref表示称重加料过程的输出参考物料重

量变化曲线，y表示称重加料过程的实际输出物料的变化曲线，α表示每一批次的加料时长，β表示批次；

多目标优化问题为： 解决多目标问题的多目标优化方法为：

S201：初始化参数：初始温度T，最低温度Tl；

S202：通过LMI求解器，求解稳定性条件ψ＜0时，得到的控制器参数K1,K2，令K1,opt＝K1,K2,opt＝K2，令f1,opt＝f1(K1,K2),f2,opt＝f2(K1,K2)；

S203：改变K1,opt,K2,opt，得到新的K1,K2，仿真得到f1,new＝f1(K1,K2),f2,new＝f2(K1,K2)；

S204：比较f1,opt,f2,opt,f1,new,f2,new，若f1,new＜f1,opt,f2,new＜f2,opt，则K1,opt＝K1,K2,opt＝K2,f1,opt＝f1,new,f2,opt＝f2,new；否则，计算 和接受概率 得到K1,opt＝K1,K2,opt＝K2,f1,opt＝f1,new,f2,opt＝f2,new；

S205：减小初始温度T；若T＞Tl，则回到步骤S203；否则，则到步骤S206；

S206：验证K1,opt,K2,opt是否满足稳定性条件ψ＜0，若是，则K1,opt,K2,opt为最优控制参数，若否，则回到步骤S202。

6.如权利要求5所述的一种批次称重加料过程迭代学习控制方法，其特征在于：在步骤S104中，迭代学习控制律的计算公式为：

7.如权利要求6所述的一种批次称重加料过程迭代学习控制方法，其特征在于：在步骤S105中，得到当前批次t时刻的输入电压的计算公式为：其中，ue(t,k+1)是表示当前批次k+1与上一批次k的输入差，k≥0。