随着各类智能控制方法的日趋成熟，不同控制系统的控制性能得到了不同程度的提高。对于强非线性、强耦合的系统，传统控制方法很难对其实现准确控制，因为这类系统很难建立精确的数学模型，在进行控制之前也很难获得大量实验数据。本文介绍了一种利用神经网络优化参数的迭代学习控制方法，分析其如何实现控制系统的完全跟踪以及如何提高控制性能。其中，单独的迭代学习控制因固定的学习律参数不能动态调节使系统的收敛速度减慢，于是本文结合神经网络的内容，介绍如何通过神经网络对控制器参数进行优化，同时使系统收敛速度与控制精度得到提高。