由于对实际工程系统具有较强的刻画能力,Markov跳变系统得到了广泛且充分的研究。为了达到系统期望的性能,各种控制策略也应运而生,但已有控制策略的研究大多因关注系统控制性能提升而忽略了资源的合理配置。本文综合考虑系统控制性能与资源占用,以自触发机制的设计方式为主线,首先独立设计触发机制和控制策略,分别研究Markov跳变系统的动态自触发鲁棒控制、自适应自触发有限时间控制及随机自触发有限频段控制;进一步,提出Markov跳变系统触发机制与控制策略的一体化设计方法;最后,放松对系统精确建模的要求,进行强化学习自触发控制器设计问题的研究。本文具体贡献如下:1.在多模态系统中引入资源感知触发策略,设计Markov跳变系统自触发鲁棒控制器。首先,提出静态自触发设计机制,根据当前采样信息预测下一触发时刻,进一步,为各子模态匹配不同的触发系数,给出动态自触发机制的构建方案,设计资源限制下满足给定干扰抑制水平的自触发鲁棒控制器。2.考虑上述固定触发阈值的自触发策略保守性较大,提出自适应自触发机制下的有限时间控制器设计方案。首先,根据系统运行状态及时调整触发系数,提出一种自适应自触发机制,并结合有限时间理论,设计自触发有限时间控制器,在确保系统有限时间有界的同时降低资源占用。3.针对各子模态设计的自触发机制并不能确保系统整体的性能,提出随机自触发机制下的有限频段控制方法。将跳变系统的转移概率信息融入自触发策略中,提出随机自触发控制策略,并针对特定频段的干扰结合有限频段性能分析理论设计控制器,从而提升系统的整体控制性能。4.考虑系统控制性能与触发机制间的相互影响,提出Markov跳变系统控制策略与触发机制的一体化设计方法。构建包含控制增益与触发代价的一体化性能指标,结合模型预测控制思想,提出Markov跳变系统自触发策略与预测控制输入一体化设计方法,在线更新控制率的同时,实现控制性能与资源利用率的实时调整。5.考虑到实际过程建模难及模型失配等问题,结合强化学习提出模型未知情况下的自触发控制方案。首先在奖励函数中综合考虑控制性能及触发代价,同时通过自触发梯度下降法更新控制输入网络与触发间隔网络,进而实现模型未知情况下控制输入和触发间隔的端到端联合学习。