全文总字数：5038字
文献综述
一、课题研究背景及意义数据驱动控制 (Data-Driven Control, DDC) 最早来源于计算机科学领域，控制领域出现这个概念是近几年的事情。
虽然数据驱动控制的研究还仅处于萌芽阶段，但已得到了国内外控制理论界的高度重视。
到目前为止，有很多DDC的方法得到了发展并应用于实际系统中，例如比例积分微分 (PID) 控制[1]、迭代反馈整定 (iterative feedback tuning, IFT) [2]、同步扰动随机逼近 (Simultaneous perturbation stochastic approximation, SPSA) [3]、迭代学习控制 (iterative learning control, ILC) [4]、懒惰学习控制 (lazy learning, LL) [5]、无模型自适应控制 (model-free adaptive control, MFAC) 等,其中，MFAC可以与其他基于模型的控制理论和方法相结合进行模块化设计, 以实现优势互补地共同工作,如基于MFAC估计型控制系统设计方案、基于MFAC嵌入型控制系统设计方案[6]、迭代 MFAC 型控制系统设计方案等[7-8]。
MFAC的基本思想是在受控系统当前工作点处用一个等价的动态线性化模型来代替一般离散时间非线性系统, 并仅用被控对象的输入输出数据来在线估计动态线性化模型中伪偏导数, 进而实现无模型自适应控制[9]。
若一般离散时间非线性系统满足广义 Lipschitz 条件, 或系统满足类似于 的条件，则可等价为三种形式：紧格式动态线性化模型、偏格式动态线性化模型、全格式动态线性化模型。
二、研究发展与现状目前，基于MFAC的方法已经在各个领域得到应用：1、高速列车数据驱动无模型自适应容错控制的研究提出了基于偏格式动态线性化的无模型自适应容错控制(PFDL-MFAFTC) 算法。
首先，利用无模型自适应控制框架下的伪梯度概念,将难以精确获取参数（列车质量、阻力以及执行器故障等）的高速列车动力学模型转化为偏格式动态线性化数据模型；然后,利用径向基函数神经网络 (RBFNN) 处理执行器故障引起的非线性。
其次,通过压缩映射方法对算法进行了严格的收敛性证明，保证算法的收敛性；最后,通过高速列车仿真验证了PFDL-MFAFTC算法的有效性和容错能力[10]。
2、无模型控制在气动变载荷加载系统中的应用,该控制器结构简单、参数少、不需要被控系统的数学模型,是一种低成本的控制器。
