控制系统可控性检验理论的变革：从模型驱动到数据驱动

主要观点总结

随着人工智能的崛起，控制系统正经历从模型驱动控制到数据驱动控制的范式变革。针对数据驱动控制系统的可控性检验问题，清华大学李升波教授团队提出了微域可控性（ϵ-可控性）概念及其检验方法。传统的可控性检验方法主要基于模型，而对于数据驱动系统，由于只能依赖离散数据点，系统行为描述的完整性受到限制。因此，团队提出了基于ϵ-可控性的检验方法，通过MECS算法搜索所有的ϵ-可控状态。该研究为数据驱动系统的可控性检验提供了理论基础和实用工具，对分析数据驱动系统的特性具有重要价值。

关键观点总结

关键观点1: 数据驱动控制系统的可控性检验是核心问题之一。

对于真实世界中高维度、高复杂、非线性系统，由于其动力学模型通常无法直接获取，传统基于模型的可控性检验方法并不适用。

关键观点2: 清华大学李升波教授团队提出了微域可控性（ϵ-可控性）概念。

这一概念将状态转移信息从离散数据点延拓到数据点之间的连续空间中，允许系统状态靠近目标点时存在一定范围的误差。

关键观点3: MECS算法用于搜索数据驱动系统中的所有ϵ-可控状态。

MECS算法是一个树搜索算法，通过迭代执行四个步骤搜索给定数据集中所有的ϵ-可控状态，包括选择、扩展、评估和修剪。

关键观点4: 研究已在典型数据驱动控制系统上测试了MECS算法。

实验结果表明，MECS算法可以有效识别出数据集内的ϵ-可控状态。此外，系统的可控度（可控状态的占比）随ϵ的增大而提升。

关键观点5: 该研究为数据驱动系统的可控性检验提供了理论基础和实用工具。

这对分析数据驱动系统的特性具有重要价值，为数据驱动控制算法的设计奠定了基础。