数据驱动的自适应迭代学习控制及其在交通系统中的应用

数据驱动的自适应迭代学习控制是指针对有限区间上系统模型结构不变（随时间和迭代都不变，但其参数未知、或随时间和迭代时变）、而系统的参数或期望轨迹是迭代依赖变化的，而参数估计算法和控制律算法都是沿迭代轴更新的迭代学习控制问题。数据驱动的自适应是指参数估计和迭代学习控制律之间的工作方式是自适应的方式，无论参数估计还是控制律都是沿迭代轴方向更新的，且控制律中不含有系统模型的动力学。本项目是从实际问题中提炼而出，研究数据驱动的自适应迭代学习控制理论与方法，以及在交通系统中的应用。其理论意义是给出三种数据驱动的自适应迭代学习控制的设计与分析方法，以期放宽传统的迭代学习控制的限制条件，并更易于应用。应用背景是，为快速路交通流控制、轨道交通控制的实际控制问题的解决提供可实际应用的控制技术。因此，该项目的研究不仅具有学术价值，同时也具有重要的应用价值。