基于受控对象数学模型的现代控制理论已经形成了一套成熟的理论体系，并在实际中得到了广泛的成功应用。然而,对于机理模型或辨识模型虽然可获取，但系统结构复杂，阶数高，非线性强的系统以及机理模型或辨识模型很难建立，或不可获取的系统，到目前为止现代控制理论尚未形成很好的方法来解决相应的控制问题。如何实现以上两类复杂系统可行控制器设计，本次讲座从现代控制理论出发给出其最新研究成果--数据驱动控制（DDC）理论（该方法仅利用受控系统的I/O数据来设计控制器），主要包括：1) 数据驱动控制研究的事件；2) 现代控制理论存在的问题与意义；3) 数据驱动控制研究的两条基本路线；4) 典型数据驱动控制方法简介；5) 数据驱动控制的统一框架—以无模型自适应控制（MFAC）为例；6) 几种典型数据驱动控制的仿真比较(DDPID、IFT、VRFT、ANNC)与实际应用。最后对数据驱动控制理论的研究方向和发展趋势进行展望。

 

      侯忠生教授任北京交通大学自动控制系主任、先进控制系统研究所所长，博导。东北大学博士，美国耶鲁大学(YALE)访问学者。主要学术工作：1) 建立并发展了“无模型自适应控制理论”，目前已经在62个实际系统上得到应用。2)提出“基于交通系统重复性特征的交通控制理论和方法（包括道路交通和铁路）”。该工作被评审人评价为“是一个原创性的新方向”。3)发现了迭代学习控制和自适应控制之间的关系；给出系列的参数自适应迭代学习控制、高阶内模的迭代学习控制、模最优迭代学习控制等方法，拓广迭代学习控制方法的应用。在IEEE Trans. on CST、IEEE Trans. on NN等重要学术期刊发表论文200余篇；出版“非参数模型及其自适应控制理论，1999”和“Model Free Adaptive Control: Theory and Applications，CRC Press，2013”2部专著。承担国家自然科学基金重点项目“基于数据驱动的控制理论及其在大型复杂系统中的应用”和国家自然科学基金重大国际合作项目“广义迭代学习控制及其在高速列车运行控制中的应用”。目前担任中国自动化学会控制理论专业委员会委员等学术职位。