传统的控制以周期的方式执行，即所谓的时间驱动控制，基于采样数据系统理论，间隔固定的时间施加控制。然而，从资源利用的角度看，时间驱动控制周期的执行控制任务会浪费计算和控制资源。另一方面，企业生产规模越来越大，生产、设备和过程越来越复杂，依赖于模型的现代控制理论及方法在实际应用中遇到了许多前所未有的挑战。因此，如何突破传统思维定式和理论框架，面向实际应用，从大数据中挖掘更多可用的信息，深入研究和发展满足实际需求的基于数据的建模和控制方法，已成为控制科学与工程领域一项重要的科学任务。
近日，我校自动化与电子工程学院泰山学者池荣虎教授所带领的团队成员在事件驱动控制研究领域取得新进展，有效解决资源有限、建模困难两大难题，该成果以williamhill官方网站为第一通讯单位，以Event-Triggered Model-Free Adaptive Control为题，发表在著名国际期刊《IEEE Transactions on Systems, Man, and Cybernetics: Systems》(2020, IF= 7.351, DOI: 10.1109/TSMC.2019.2924356 )上，该期刊在计算机控制论双学科的顶级期刊排名第二，是中科院计算机类一区期刊。第一作者为william威廉亚洲官方博士研究生林娜。
该研究采用作者在《Applied Mathematical Modelling》期刊上所发表论文Data-driven Recursive Least Squares Methods for Non-affined Nonlinear Discrete-time Systems中的参数辨识思想，针对非线性非仿射离散时间系统，建立三种不同的线性数据模型，利用所提的参数估计算法来离线辨识所建立的线性数据模型，在此基础上，提出了三种事件驱动的无模型自适应控制（ET-MFAC）方法。该研究所提出的三种ET-MFAC方法可直接应用于一般的非线性非仿射离散时间系统，其中事件触发条件的计算仅使用输入/输出数据，因此所提出的方法是数据驱动的，不依赖于任何显式的模型信息。与传统的无模型自适应控制方法相比，该研究所提方法在保证系统稳定性的同时，减少了控制器的执行次数，节约了计算成本，具有良好的控制性能。此外，通过在所提的ET-MFAC方法中加入离线参数识别算法，利用在线I/O数据对得到的数据模型进行连续更新，可以有效适应系统动态和扰动的变化。
本课题研究得到了国家自然科学基金、山东省重点研发计划、山东省自然科学基金及加拿大自然科学与工程委员会基金等项目的资助。
（撰稿：乔峰，张郁浩 审核：马寒）
当前位置：