数据驱动控制摆脱了对数学模型的依赖，仅利用系统运行过程的输入输出数据对系统的模型、状态或者控制信息进行学习的理论与方法。本文结合最优控制理论，给出满足系统性能指标的智能控制算法，主要内容如下：
　　1.针对多输入多输出线性离散时间系统的最优控制问题，采用虚拟参考反馈整定方法，设计二自由度控制器。首先基于开环数据提出数据驱动最优控制问题，然后建立二自由度控制器性能指标，通过虚拟参考反馈整定最小化性能指标来设计最优控制器。
　　2.针对局部信息未知且带有扰动的输入饱和非线性系统，设计H∞状态反馈控制器。首先通过拟范数处理输入饱和约束，然后利用策略迭代求解哈密尔顿-雅可比-艾萨克方程，最后通过构造执行-评价-扰动网络来实现算法，并求取最优控制器。
　　3.针对带有非匹配扰动的非线性系统次优控制问题，利用积分滑模控制和策略迭代设计联合控制器。首先引入非线性扰动观测器估计非匹配扰动，然后基于扰动估计设计积分滑模动态面来抑制扰动，最后利用策略迭代设计次优控制器，使其满足期望性能指标。
　　4.针对部分参数未知且带有外部扰动的非线性系统，设计自适应跟踪控制器。首先利用滞环量化器和扇区约束理论将间隙执行器分解成可行控制策略，再引入反步法并结合策略迭代设计控制器，最后通过执行-评价网络求解最优控制器参数。
　　5.针对无法建立模型的偏微分系统，提出基于强化学习的最优控制算法。首先通过卡鲁南-洛伊夫分解计算系统的经验特征函数，再利用经验特征函数将偏微分系统转化为高阶常微分系统，然后根据奇异值摄动理论进行降阶，并依据低阶常微分系统设计最优控制器。