中文摘要：

随着社会经济的不断发展，企业规模越来越大，生产工艺、设备和过程越来越复杂，很难建立受控系统的数学模型。而实际中，相当数量的企业都产生并存储着大量的生产、设备和过程数据，隐含着工艺变动、设备运行等系统动态特性和控制信息。本项目拟在基于离线/在线数据的框架下，无需系统建模过程，研究基于数据的自适应迭代学习控制(AILC)的设计方法和分析手段，研究非严格重置、非一致轨迹及非重复扰动情况下的控制系统的设计方法，以及AILC的基于数据的控制性能评价方法和控制器运行状态的预测和优化方法。研究基于数据和基于模型的学习控制的模块化结构及其安全切换机制。最后，以城市快速路交通系统为例来验证所提出的基于离线/在线数据的学习控制方法、以及基于数据的控制系统的性能评价方法和控制器运行状态的预测和优化方法。本项目既是理论研究课题，同时也是实际问题，从而具有重要的学术和应用价值。

结论摘要：

本项目按照计划已全面完成，并在如下方面取得了突破性研究成果 1) 提出了一系列自适应迭代学习控制方法，放宽了ILC对初始条件和期望轨迹严格重复的限制。给出了关键技术引理在迭代域的推广和自适应ILC的死区设计；比较了基于迭代差分估计器和时间差分估计器两种自适应ILC的特点，提出了离散时间系统的混合自适应ILC方法；提出了基于数据加权的离散自适应ILC方法，解决了自适应ILC要求非线性必须满足线性增长的问题。 2) 针对非参数化不确定非线性系统，提出了迭代域上的最近邻估计器，直接利用I/O数据估计未知非线性和扰动，给出了基于切换策略的自适应ILC方法。 3) 基于伪偏导数的概念，分别给出了一般非线性系统的基于时间轴和迭代轴的动态线性化策略，提出了自适应ILC和无模型自适应ILC方法，以及高阶无模型自适应控制方法；基于模型切换思想，给出了一般非线性系统的参数化模型和神经网络模型及各自对应的自适应迭代学习控制器，设计切换性能指标函数，提出了基于模型切换的自适应ILC方法。 4) 提出了数据驱动的最优终端ILC方法，并将结果推广到了多目标数据点的跟踪控制问题；提出了基于神经网络的终端ILC算法，解决了其初始条件问题；提出了变化目标点的自适应终端ILC，处理任意变化目标点的控制问题；将预测控制思想推广，提出了数据驱动的预测终端ILC方法。 5) 将离散自适应ILC推广到具有周期时变参数的不确定离散时间系统，提出了相应的周期自适应控制方法；基于已知参考轨迹的周期，建立了一般非线性系统的周期相关的动态线性化数据模型，提出了周期无模型自适应控制方法。 6) 针对城市交通的重复性和周期性，提出了快速路入口匝道的无模型周期自适应控制、基于增广宏观交通流模型的ILC方法，以及基于分布参数系统描述的快速路交通系统的迭代学习边界控制方法。 7) 提出了快速路入口匝道ALINEA控制器参数的基于I/O数据的迭代反馈整定方法，设计了性能评价指标函数，对基于IFT的ALINEA方法进行了控制性能评价；提出了基于ADRC的非线性ALINEA控制器，给出了在不同外界扰动情况下的控制性能评价和分析。 8) 针对实际生产过程中存在的重复性和周期性特征，提出了非线性化学反应器的终端ILC方法，永磁直线电机的自适应ILC方法，以及包装机拨叉系统的前馈迭代学习+反馈PID控制的模块化设计方法。