● 摘要
近年来，随着信息采集、存储和处理技术的不断发展，系统每天都在生产并储存着大量的数据。如何有效利用大量的离、在线数据和知识，在难于建立较准确机理模型的条件下，实现对受控系统的控制，已成为控制界迫切需要解决的问题。本文在详细地介绍了数据驱动控制领域的发展概况后，给出了一个可能的数据驱动控制方案及其简化方案。然而即使简化后的方案，涉及的内容也比较多，包括了数据挖掘、辨识、滤波、控制器设计、切换方法等五大模块，而每一个模块都可以单独为一个研究领域。考虑到已存在的数据驱动控制方法大都是利用数据辨识参数，本文着重研究辨识和控制器设计这两个模块。具体在这两个模块中，由于神经网络在数据方面的强大处理能力，本文选取了神经网络方法，详细分析了特定网络在辨识和自适应控制中的广泛应用。主要包括以下内容：(1) 综述了神经网络的发展概况，重点介绍了几个典型的神经网络，并论述了神经网络在控制中的应用，总结了神经网络控制的各种形式。(2)分析了神经网络在系统辨识方面的应用，介绍了神经网络辨识的基本概念和原理，重点设计了Hopfield神经网络参数辨识算法。(3)将神经网络与自适应控制相结合，简述了神经网络自适应控制概况后，着重分析了BP神经网络自适应控制算法，设计了相应的控制器，并给出了稳定性条件。最后，对全文进行了概括性的总结，并给出了对数据驱动控制理论及方法的未来研究工作的展望。本文的工作得到国家自然科学基金项目（60727002, 60774003）的资助。