随着现代科学技术的快速发展，工业控制系统的规模和复杂程度也不断增加，通过传统依赖于机理模型或者辨识模型对生产设备进行控制问题的研究变得越来越困难，通过传统的基于机理建模的方法得到系统精确的数学模型也越来越困难，且需要花费大量的时间与精力。然而，实际系统时时刻刻产生并存储了大量的在线和离线输入输出数据，这让人们开始思考如何利用这些数据取代机理模型，设计相应的数据驱动控制方法。经过二十多年的不断发展，数据驱动无模型自适应控制已成功应用于工业过程控制、信息物理系统、电机控制、交通、经济和军事等领域，并取得了很好的效果。近年来，随着网络通信技术和数据传输能力的发展，传统的基于时间采样控制方法由于在每一时刻传输并更新控制信号，使得大量不必要的冗余信息被传输，这会导致有限网络资源的浪费。因此，在系统模型未知的情况下，利用在线的输入输出数据研究数据驱动事件触发控制问题具有重要意义。另一方面，由于实际系统在一些应用中常常会受到限制，如稳态误差、超调量和收敛率等性能指标。如何有效解决数据驱动非线性系统的描述性能控制已成为一个具有重要意义的研究课题。
　　本文在总结前人成果的基础上，以神经网络方法、事件触发技术、自适应方法、离散滑模控制技术和动态线性化方法为基本工具，针对离散时间非线性系统，将无模型自适应控制方法与自适应事件触发机制、自适应滑模策略相结合进行研究。本文的主要结果均给出理论证明，并针对连续搅拌反应釜系统和蒸汽水换热器系统进行仿真实验，所得结果说明了本文方法的有效性。
　　全文共分为八章，每章的主要内容如下:
　　第一、二章系统地介绍和分析了无模型自适应控制方法的背景和发展现状，并给出了与本文相关的一些预备知识和研究方法。
　　第三章针对非线性离散时间系统，在系统模型完全未知的情况下，基于观测器和自适应事件触发方法设计了一种数据驱动的伪梯度参数估计方法，所提出的自适应事件触发控制策略可以有效解决现有方法对被控对象模型已知的限制问题。和传统基于时间采样方法相比，系统输入输出数据的传送和神经网络权重更新律仅在事件触发时刻进行，因此所设计方法可以提高通信资源的利用效率，解决计算负荷和数据传输负荷过大的问题。最后通过仿真算例和与已有结果的对比，说明了所设计的方法的效果和优势。
　　第四章在第三章的基础上，讨论了非线性系统的自适应事件触发控制问题。首先，利用系统在线输入输出数据，提出了自适应事件触发条件和神经网络自适应控制器协同设计方法。此外，所提方法保证了闭环系统的稳定性和收敛性。与已有基于时间触发方法相比，该方法可以有效地减少系统输入输出数据的传输次数，并保证系统的跟踪性能。最后，利用连续搅拌反应釜系统的仿真算例，说明了所设计的方法的有效性和优越性。
　　第五章考虑离散时间非线性系统，在系统模型完全未知的情况下，提出了一种基于转换误差策略和离散自适应滑模控制器协同设计方法。为解决描述性能控制问题，利用转换误差策略将带有约束的跟踪误差问题转换为一个等价的不受约束问题，所提方法可以确保稳态误差、超调和收敛率同时满足给定的性能要求。最后，利用仿真算例验证了设计方法的有效性。
　　第六章在第五章的基础上，给出了一种基于非对称描述性能函数的数据驱动自适应滑模控制方法。首先，针对模型未知的非线性离散系统，为了处理跟踪误差约束问题，将受限的原误差转换为等价不受限条件。然后，利用系统的输入输出数据，为保证跟踪误差收敛到预先给定的区域内，设计了离散自适应滑模控制器。最后，通过仿真算例验证了设计算法的有效性。
　　第七章考虑同样的非线性系统，在系统模型完全未知的情况下，利用执行-评价神经网络控制结构，设计了一种基于强化学习的无模型自适应控制策略。与已有方法相比，所获得的设计条件具有更好的跟踪性能。此外，利用Lyapunov函数证明了闭环系统是一致最终有界的。最后，仿真例子验证了所得结论的有效性。
　　第八章总结了本文的主要工作，并展望了下一步研究的方向。