数据驱动控制、学习与优化最早来源于计算机科学领域，旨在强调出发点和归宿都是数据，是一种“闭环”方式。自“数据驱动”的相关概念和想法提出以来，就受到了国内外信息领域研究的高度重视，尤其是在应用数学、计算机科学和控制界等。数据驱动的控制理论及方法是指控制器设计不显含受控过程的数学模型信息，仅利用受控系统的在线/ 离线输入输出数据及经过处理得到的知识来设计控制器并在一定假设下有收敛性、稳定性和鲁棒性分析保障的控制理论与方法。

本专题推荐自动化学报和IEEE/CAA JAS近年发表的相关文章。

池荣虎, 侯忠生, 黄彪. 间歇过程最优迭代学习控制的发展：从基于模型到数据驱动. 自动化学报, 2017, 43(6): 917-932.
http://html.rhhz.net/ZDHXBZWB/html/2017-6-917.htm

姜艺, 范家璐, 贾瑶, 柴天佑. 数据驱动的浮选过程运行反馈解耦控制方法. 自动化学报, 2019, 45(4): 759-770.
http://html.rhhz.net/ZDHXBZWB/html/2019-4-759.htm

D. Shen, “Iterative learning control with incomplete information: a survey,” IEEE/CAA J. Autom. Sinica, vol. 5, no. 5, pp. 885−901, Sep. 2018.
http://www.ieee-jas.org//journal/article/zdhxbywb/2016/1/HTML/20160107.htm

J. M. Wei, Y. A. Zhang, and H. Bao, “An exploration on adaptive iterative learning control for a class of commensurate high-order uncertain nonlinear fractional order systems,” IEEE/CAA J. Autom. Sinica, vol. 5, no. 2, pp. 618-627, Mar. 2018.
http://www.ieee-jas.org/en/article/doi/10.1109/JAS.2017.7510361

S. Zhu, X. J. Wang, and H. Liu, “Observer-based iterative and repetitive learning control for a class of nonlinear systems,” IEEE/CAA J. Autom. Sinica, vol. 5, no. 5, pp. 990−998, Sep. 2018.
http://www.ieee-jas.org/en/article/doi/10.1109/JAS.2017.7510463

马大中, 胡旭光, 孙秋野, 郑君, 王睿. 基于数据特征融合的管网信息物理异常诊断方法. 自动化学报, 2019, 45(1): 163-173.
http://html.rhhz.net/ZDHXBZWB/html/2019-1-163.htm

王鼎, 穆朝絮, 刘德荣. 基于迭代神经动态规划的数据驱动非线性近似最优调节. 自动化学报, 2017, 43(3): 366-375
http://html.rhhz.net/ZDHXBZWB/html/20170304.htm

汤健, 乔俊飞, 柴天佑, 刘卓, 吴志伟. 基于虚拟样本生成技术的多组分机械信号建模. 自动化学报, 2018, 44(9): 1569-1589
http://html.rhhz.net/ZDHXBZWB/html/2018-9-1569.htm

喻勇, 司小胜, 胡昌华, 崔忠马, 李洪鹏. 数据驱动的可靠性评估与寿命预测研究进展:基于协变量的方法. 自动化学报, 2018, 44(2): 216-227.
http://html.rhhz.net/ZDHXBZWB/html/2018-2-216.htm

王坤峰, 苟超, 王飞跃. 平行视觉:基于ACP的智能视觉计算方法. 自动化学报, 2016, 42(10): 1490-1500.
http://html.rhhz.net/ZDHXBZWB/html/20161003.htm

文丹艳, 马超群, 王琨. 一种多源数据驱动的自动交易系统决策模型. 自动化学报, 2018, 44(8): 1505-1517.
http://html.rhhz.net/ZDHXBZWB/html/2018-8-1505.htm

文成林, 吕菲亚, 包哲静, 刘妹琴. 基于数据驱动的微小故障诊断方法综述. 自动化学报, 2016, 42(9): 1285-1299.
http://html.rhhz.net/ZDHXBZWB/html/2016-9-1285.htm

刘强, 秦泗钊. 过程工业大数据建模研究展望. 自动化学报, 2016, 42(2): 161-171.
http://html.rhhz.net/ZDHXBZWB/html/2016-2-161.htm