从二维（2D）系统的角度设计了用于批处理的集成预测迭代学习控制（IPILC）方案。 集成控制框架将逐批ILC和按时模型预测控制（MPC）相结合，称为2D-IPILC。 在批处理过程的轨迹跟踪问题中，可以使用2D理论基于系统响应获得预测模型。 MPC使用在时间范围内定义的二次目标函数来更新当前批次中的控制配置文件。 通过考虑当前批次中的时间反馈控制，提出的设计方案的主要优点体现在更好的跟踪性能和更快的收敛速度。 仿真结果证明了该方案的有效性。

基于二维（2D）系统理论，提出了一种用于批处理的集成预测迭代学习控制（2D-IPILC）策略。 首先，由于批处理的二维Roesser模型，可以分析计算沿批处理索引的输出响应和错误过渡模型预测。 然后，合理地形成了一个将迭代学习控制（ILC）和模型预测控制（MPC）相结合的集成框架。 病房ILC的饲料输出是根据预定义的过程2D模型估算的。 通过最小化二次目标函数，引入了反馈MPC，以获得更好的控制性能来跟踪批处理过程。 在典型的间歇式React器上进行的仿真表明，尽管存在模型误差和干扰，但与传统的