辨识、控制、状态估计是控制理论的重要组成部分，大数据和智能化趋势给这些经典问题带来了新的挑战，比如系统非线性、系统网络化、数据非平稳、信息不完整、在线算法和分布式算法等。由于实际控制对象的复杂性以及测量技术的制约，例如非线性传感器、网络通讯的能量约束等，很多情形下难以得到完整数据信息，例如，事件触发型数据仅当事件发生后数据才被采集、传递，广泛应用于无线传感器网络等领域；二值（量化）型数据根据被量测信号大于或小于某一给定阈值产生+1或-1信号，相关技术广泛应用于工业技术领域，比如汽车发动机尾气传感器等；此外，某些应用场景仅能提供位置坐标信息（斜距、俯仰角、方位角），无法提供速度等信息。可见不完整信息恰是信息技术快速发展带来的新问题，基于不完整信息的随机系统控制、辨识与优化有重要的科学意义和实用价值。
基于事件触发型测量的控制，始于瑞典学者K. J. Astrom等人的先驱性工作（Proceedings of IEEE Conference on Decision and Control, 2002）,引发了大量后继研究；基于二值（量化）型测量的辨识与控制，始于张纪峰研究员和合作者的先驱性工作（IEEE TAC, 2002）,已成为新的研究方向；分布式在线优化问题，近年来受到了越来越多系统控制学者的关注，例如瑞典学者K.H. Johansson等（IEEE TAC, 2021），其算法仍依赖目标函数的梯度信息。对于典型不完整信息下的自适应调节、多个体网络的分布式辨识和分布式在线优化等理论问题，须面对不完整信息与系统非线性相耦合、网络单个节点的观测信息不具可辨识性、缺少优化搜索方向等理论困难，目前仍未解决。
赵文虓等针对基于事件触发型测量和二值型测量的非线性系统自适应调节控制问题，将自适应控制的直接法与随机逼近算法相结合，给出调节控制算法；通过在算法中引入扩展截尾，建立了闭环系统的稳定性；同时，将闭环性能分析与函数求根相结合，证明了调节控制的最优性，其中所建立的随机逼近算法的噪声部分既依赖系统的输出、也依赖系统当前时刻的控制，因而为非白噪声，对噪 声部分的分析是理论的难点和关键。针对基于二值型测量的多个体系统分布式辨识问题，将分布式辨识与未知函数的求根相结合，给出了分布式辨识算法；同时，在算法中引入“邻居最大截尾次数”的概念，建立了算法的稳定性，进而证明了算法能同步、能收敛。针对无梯度信息的分布式在线优化，首先通过引入随机扰动，构造差分来代替梯度信息，进而建立了分布式的投影算法并证明了分布式算法的同步性，此外，通过引入遗憾函数来刻画时变函数的优化效果，建立了遗憾函数的上界。以上成果已被系统控制高影响力期刊IEEE TAC、Automatica、JSSC和AJC在线发表或录用。
赵文虓 