随着计算机网络的广泛应用,网络化控制系统已在众多领域中得到应用.然而,在网络化控制系统中,当传感器、执行器和控制器通过网络进行数据交换时,不可避免地存在着量化,数据丢包,信息传输延时等问题.这些问题的存在必然会影响到系统的性能,同时也使得网络化控制系统研究的复杂性显著增加.尤其是当系统的模型难以准确获取时,基于模型的网络化控制系统的研究面临着诸多挑战和困难.此外,网络化控制系统中存在着大量数据,于是在系统模型未知的情况下,基于数据的研究方法显得尤为重要.因此,网络化控制系统中的数据驱动研究现已成为自动化领域中的一个前沿课题和研究热点.本文主要针对网络环境下可能发生的数据量化、数据异常、数据丢失、数据延时等问题,研究线性离散系统的数据驱动估计与控制问题.主要成果包括以下几个方面:1.针对有界噪声下的线性系统,考虑系统在量化观测数据下的数据驱动滤波问题.基于集员滤波理论,仅利用量化数据,给出了最优的最坏情形滤波器设计,并给出了最坏情形下的性能保证,即:考虑到噪声上界和量化区间下的最坏情形.进一步提出了l2-l∞几乎最优的最坏情形滤波器设计算法,利用非负标量法将无限多约束下的优化问题转化为具有有限多个约束的线性规划问题,从而降低了计算量.同时讨论了估计误差和量化器阈值之间的关系,研究表明人们可以通过选取合适的量化器阈值来平衡合适的估计精度和通信成本.数值仿真说明了该方法的正确性及有效性.2.研究了具有异常数据的单输入单输出(SISO)线性系统的参数估计问题.在噪声未知但有界(UBB)的假设下,提出了一种基于外包椭球的递推集员估计算法.利用外包椭球的几何特性,给出异常数据的检验算法,并根据外包椭球体积最小化原则,去除参数估计中的冗余数据信息.进一步,对于量化的观测数据,将外包椭球集员估计算法和最小二乘算法结合,提出一种改进的参数估计算法,研究表明所提方法可以有效地改善估计效果.最后,通过数值仿真验证了所设计的参数估计算法的有效性.3.考虑了缺失数据下的数据驱动鲁棒滤波器设计问题.对于有界噪声下的线性系统,所设计的滤波器主要由输出预估器和直接滤波器两部分组成,首先设计在线的输出预估器,获得较为准确的输出估计值,再利用输出估计值和获得的观测值来设计最优的最坏情形滤波器.考虑到最优滤波器设计中的复杂性,进一步给出了几乎最优的最坏情形滤波器设计算法和最坏情况滤波误差的上界.仿真结果表明所设计的基于缺失数据的数据驱动滤波算法是有效的,可以提供令人满意的滤波效果.4.针对前馈网络和反馈网络中存在传输时延的多输入多输出(MIMO)网络化控制系统,提出了一种数据驱动的网络化预测控制策略.具体地,利用基于子空间理论的数据驱动预测控制方法产生预测的控制量,结合网络化预测补偿机制,在补偿器端选择合适的控制量传送给执行器作为系统的输入.将球杆系统作为研究对象,进行了算法的仿真和实验验证,结果表明了数据驱动的网络化控制算法的有效性和优越性.