浅谈“数据计算及应用”专业的《控制理论基础》专业选修课程

摘要(Abstract)：

《控制理论基础》是“数据计算及应用”专业开设的一门专业选修课程。课程授课内容包括状态空间描述、状态方程的解、线性定常系统的能控性与能观性、控制系统李雅普诺夫稳定性、状态反馈和状态观测器等。学生通过对一些重要的系统模型及控制理论的正确领会，能够结合所学数学课程，如《数学分析》《高等代数》以及《常微分方程》课程中的相关知识处理控制论中的问题，特别是基于数据的系统建模，控制器和观测器设计以及稳定性理论推导，为今后部分学生完成本科毕业设计，特别是为后续的研究生、博士生阶段的理论科研打下坚实基础。

关键词(KeyWords)：

“数据计算及应用”；《控制理论基础》；本科生毕业设计；数据驱动

参考文献(References)：

［1］田杨，晏海华.一种基于自动分区的海量科学数据计算框架［J］.北京航空航天大学学报，2022，48（6）：1004-1012.

［2］申小伟，叶笑春，王达，等．一种面向科学计算的数据流优化方法［J］．计算机学报，2017，40（09）：2181-2196．

［3］石泓博，范志华，李文明，等.基于数据流架构的NTT蝶式计算加速［J］.计算机研究与发展，2025，62（06）：1547–1561.

［4］ Zhu ，Jun-Wei，Yang ， et al.Fault Estimation for a Class of Nonlinear Systems Based on Intermediate Estimator［J］.IEEE Transactions on Automatic Control，2016，61（9）:2518-2524.

［5］ S.-J. Huang， G.-H. Yang. Fault estimation for fuzzy delay systems: A minimum norm least squares solution approach［J］. IEEE Trans. Cybern.， 2017， 47（9）: 2389-239

［6］ S.-J. Huang， S.-H. Li. Data-driven based iterative observers design and off-line fault estimation for Markov jump systems［J］. Automatica， 2025， 173: 112109.

［7］ S .-J. Huang， Y. X. Hao. Sampled output data-driven based adaptive observer design and off-line fault estimation for T-S fuzzy descriptor systems［J］. IEEE Trans. Fuzzy Syst.， 2024， 32（8）: 4426-4435.

［8］ Huang ，Sheng-Juan，Yang ， et al.Fault Tolerant Controller Design for T-S Fuzzy Systems With Time-Varying Delay and Actuator Faults: A K-Step Fault-Estimation Approach［J］.IEEE Transactions on Fuzzy Systems: A Publication of the IEEE Neural Networks Council，2014，22（6）:1526-1540.

［9］ T. Wang， H. Xu， J. Han， et al. Cascaded hbridge multilevel inverter system fault diagnosis using a PCA and multiclass relevance vector machine approach［J］. IEEE Trans. Power Electron.， 2015， 30（12）: 7006-7018.

［10］ Z. Ge， S. Zhong， Y. Zhang， Semi-supervised kernel learning for FDA model and its application for fault classification in industrial processes［J］. IEEE Trans. Ind. Informat.， 2016， 12（4）: 1403-1411.

［11］胡静.基于多元统计分析的故障诊断与质量监测研究［D］.浙江大学，2015.

［12］ B. Li， M. Y Chow.， Y. Tipsuwan， et al.， Neural-network-based motor rolling bearing fault diagnosis［J］. IEEE Trans. Ind. Electron.， 2000， 47（5）: 1060-1069.

［13］ Y. Li， Y. Yang， X. Wang， et al.， Early fault diagnosis of rolling bearings based on hierarchical symbol dynamic entropy and binary tree support vector machine［J］. J. Sound Vibration， 2018， 428: 72-86.

［14］王培良，夏春江.基于PCA-PDBNs的故障检测与自学习辨识［J］.仪器仪表学报，2015，36（5）：1147-1154.