Model Predictive Control with Preview: Recursive Feasibility and Stability
针对非线性系统，提出了一种具有扰动预见信息的镇定模型预测控制（MPC）方案。所提出的MPC算法不仅能够通过必要时利用干扰预见信息来抑制干扰，而且还能够利用干扰，如果它对控制任务有利的话。这是通过在执行在线优化时考虑预测范围中的任务（例如参考轨迹）和干扰预览来实现的。建立了在扰动下保证递归可行性和稳定性的条件。首先将时域内的扰动与状态进行叠加，形成新的复合系统，然后对阶段代价函数进行相应的修正。借助输入到状态稳定性理论，构造了终端代价和终端约束，并将其加入到带预见的MPC算法中，以保证其在有界扰动下的递归可行性和稳定性。数值仿真结果验证了所提MPC算法的有效性。
2022-02-25 cs.SY eess.SY
Probabilistically Input-to-State Stable Stochastic Model Predictive Control
针对无界随机扰动下标准随机MPC缺乏严格递行可行性保证的问题，提出利用概率输入状态稳定性概念提供稳定性保证，并通过备用控制器处理可行性丧失，从而确保系统安全。
2024-10-10 cs.SY eess.SY
Model Predictive Vehicle Yaw Stability Control via Integrated Active Front Wheel Steering and Individual Braking
车辆稳定性控制系统是道路交通主动安全系统的重要组成部分。研究了采用主动前轮转向和单独制动的汽车横向稳定性控制问题。车辆横向稳定性控制意味着将车辆横摆率和车辆侧滑角保持在期望值。为此，设计了基于模型的控制器。期望的横摆角速度从单轨车辆模型获得，期望的侧偏角被选择为零。控制器的设计包括两部分，下位机和上位机。基于模型预测控制（MPC）方法设计了上位控制器。该上控制器利用线控转向系统改变前轮转向角，并且还产生用于稳定车辆的横摆运动所需的控制力矩。下部控制器是单独的制动算法。它决定了单个制动轮。以这种方式，可以将控制力矩施加到车辆。所设计的控制器进行了测试，使用非线性单轨车辆模型和高保真CarMaker车辆模型。
2022-10-19 cs.SY eess.SY
Distributionally robust two-stage model predictive control: adaptive constraint tightening with stability guarantee
The Seventh Research Division, Beihang University（北京航空航天大学第七研究院）
针对时变未知均值和协方差的随机扰动，提出一种两阶段分布鲁棒模型预测控制（TSDR-MPC）方案，通过Wasserstein模糊集实现自适应约束收紧，并开发有限收敛切割平面算法，理论保证可行性与稳定性。
2026-06-09 cs.SY eess.SY
Stability Despite Misalignment: Model Predictive Game Controllers with Objective Misspecifications
Thayer School of Engineering, Dartmouth College（达特茅斯学院塔耶尔工程学院）
本文分析了多智能体系统中因目标误标导致的预测偏差及其对系统行为的影响，提出了异构模型预测博弈控制器的稳定性准则，并量化了均衡对个体博弈参数的灵敏度。
2026-11-13 cs.SY eess.SY
Stability Analysis of Adaptive Model Predictive Control Using the Circle and Tsypkin Criteria
本文旨在评估自适应模型预测控制对 Lur'e 系统的有效性，提出将预测成本自适应控制（PCAC）等效为线性时变控制器，并利用圆判据和 Tsypkin 判据分析闭环系统的绝对稳定性，证明了控制器收敛时系统的全局渐近稳定性。
2024-04-05 cs.SY eess.SY
Stability of Observer Based Predictive Control for Nonlinear Sampled-data Systems
University of Bayreuth（拜罗伊特大学）
提出一种完全基于状态观测器的模型预测控制方法，证明闭环系统的半全局实际渐近稳定性，并通过数值示例验证。
2011-05-17 cs.SY eess.SY math.FA
Data-Driven Model Predictive Control with Stability and Robustness Guarantees
提出了一种鲁棒的数据驱动模型预测控制（MPC）方案来控制线性时不变（LTI）系统。该计划使用了一个隐式的模型描述的基础上的行为系统理论和过去测量的轨迹。特别是，它不需要任何事先识别步骤，但只有一个初始测量的输入-输出轨迹，以及上界的顺序未知系统。首先，我们证明了一个标称的数据驱动MPC计划的终端等式约束的情况下，没有测量噪声的指数稳定性。对于有界加性输出测量噪声，我们提出了一个强大的修改方案，包括松弛变量与正则化的成本。我们证明，这种强大的MPC计划的应用程序中的多步方式导致实际指数稳定的闭环w.r.t.噪音水平。所提出的结果提供了第一个（理论）分析的闭环性能，从一个简单的，纯粹的数据驱动的MPC计划。
2021-04-16 cs.SY eess.SY
Stability Guarantees for Data-Driven Predictive Control of Nonlinear Systems via Approximate Koopman Embeddings
New Jersey Institute of Technology（新泽西理工学院）
本文通过近似Koopman嵌入为非线性系统数据驱动MPC提供稳定性保证，利用理论证书实现鲁棒稳定性理论的应用，展示了同步发电机与无限 bus 连接的物理信息嵌入示例。
2026-03-17 cs.SY eess.SY
Stability for Receding-horizon Stochastic Model Predictive Control
University of California, Berkeley（加州大学伯克利分校）；Massachusetts Institute of Technology（麻省理工学院）；Technische Universität Ilmenau（伊尔梅瑙工业大学）
本文提出针对离散线性系统的时间不变概率不确定性和加性高斯噪声的随机模型预测控制方法，通过适当选择成本函数证明闭环稳定性，并利用多项式混沌进行不确定性传播。
2015-03-15 cs.SY eess.SY math.OC
Numerical Predictive Control for Delay Compensation
我们提出了一种延迟补偿控制方法，将指数稳定控制器的无延迟系统到一个基于样本的预测控制器与数值积分。我们的方法处理一阶和传输延迟的执行器和权衡数值精度与计算延迟，以保证稳定的硬件限制下。通过混合稳定性分析和数值仿真，我们证明了我们的方法的有效性，从理论和仿真的角度。
2020-09-30 cs.SY eess.SY
Novel Multi-objective Switched Model Predictive Control with Feasibility and Stability Guarantees
Institute of Flight Mechanics and Controls, University of Stuttgart（斯图加特大学飞行力学与控制研究所）
针对多目标控制需求，本文提出具备递推可行性与稳定性保证的标称、鲁棒两种新型多目标切换模型预测控制框架，数值实验验证其性能优于标准模型预测控制方法。
2025-11-15 cs.SY eess.SY math.OC
A Model Predictive Approach for Enhancing Transient Stability of Grid-Forming Converters
针对构网型逆变器资源故障后因电流饱和减速不足导致的暂态失稳问题，提出一种模型预测控制方法，通过校正相角跳变、有功参考优化及强制饱和抑制振荡，经仿真验证可显著提升暂态稳定性。
2023-11-08 cs.SY eess.SY
Stability-Oriented Prediction Horizons Design of Generalized Predictive Control for DC/DC Boost Converter
本文针对DC/DC boost变换器广义预测控制，提出一种通过构建闭环模型并建立严格边界来设计预测时域的新方法，在确保系统稳定性的同时避免了过短时域导致的失稳与过长时域的计算负担，实验验证其相比经验选择可降低10%-20%计算量。
2024-04-25 cs.SY eess.SY
Fast Physics-Informed Model Predictive Control Approximation for Lyapunov Stability
本文提出物理信息MPC代理模型PI-MPCS，通过融入系统动力学与李雅普诺夫稳定性损失，在四旋翼着陆任务中实现约两倍计算加速，并提升分布内外状态的稳定控制能力。
2024-10-21 cs.SY eess.SY
Constraint-Tightening and Stability in Stochastic Model Predictive Control
University of Stuttgart（斯图加特大学）；CNR-IEIIT, Politecnico di Torino（意大利国家研究委员会-信息与电气工程学院，都灵理工大学）
本文探讨了在随机模型预测控制中通过约束收紧非保守地保证递归可行性与稳定性，提出统一的算法并讨论了性能与收敛时间的平衡。
2016-05-12 cs.SY eess.SY math.OC
Practical exponential stability of a robust data-driven nonlinear predictive control scheme
我们提供了一个反馈线性化非线性系统的闭环系统的递归可行性和实际指数稳定性的理论保证时，由一个强大的数据驱动的非线性预测控制方案。本技术报告作为我们最近论文“反馈线性化系统的数据驱动非线性预测控制”的补充材料。本报告中所示的参数遵循与LTI情况类似的步骤，因为反馈线性化系统在变换坐标中是线性的。然而，证明被适当地调整以匹配考虑中的非线性设置，并且在整个证明中强调了差异。
2023-03-27 cs.SY eess.SY math.OC
Predictive stability filters for nonlinear dynamical systems affected by disturbances
本文扩展预测安全滤波器框架，通过利用预测轨迹构造的隐式 Lyapunov 函数保证受扰非线性闭环系统的鲁棒渐近稳定性，并在汽车车道保持仿真中验证了所提策略。
2024-04-29 cs.SY eess.SY math.OC
MPC as a Copilot: A Predictive Filter Framework with Safety and Stability Guarantees
University College London（伦敦大学学院）；Southeast University（东南大学）；Loughborough University（拉夫堡大学）
本文提出PS2F框架，结合MPC和过滤层，确保系统约束和渐近稳定性，通过递归可行性分析和时间变化参数化实现安全与稳定平衡。
2026-03-29 cs.RO cs.SY eess.SY
Model predictive control design for dynamical systems learned by Long Short-Term Memory Networks
本文分析了长短期记忆（LSTM）网络的稳定性相关特性，并研究了它们在模型预测控制器（MPC）设计中作为对象模型的用途。首先，给出了保证LSTM的输入到状态稳定性（ISS）和增量输入到状态稳定性（dISS）的充分条件。然后利用这些属性来设计一个观测器，保证状态估计收敛到真实的。这样的观察员，然后嵌入在MPC计划解决跟踪问题。所得到的闭环方案被证明是渐近稳定的。在pH反应器的仿真器上对训练算法和控制方案进行了数值测试，结果证实了所提出方法的有效性。
2020-08-27 cs.SY eess.SY
Stability and performance of stochastic predictive control
IIT Bombay（印度理工学院孟买分校）；ETH Zürich（苏黎世联邦理工学院）
本文研究了在滚动时域策略下受控随机过程的稳定性与性能，通过适当选择有限时域最优控制问题中的成本函数来保证稳定性，并获得系统在滚动时域策略下以长期期望平均成本衡量的性能界限。
2013-04-19 cs.SY eess.SY math.OC
Asynchronous Model Predictive Control Under Model Mismatch: Stability and Performance Guarantees
Delft Center for Systems and Control, TU Delft（代尔夫特系统与控制中心，代尔夫特理工大学）
本文针对输入约束非线性系统，建立了异步确定性等价模型预测控制在模型失配下的稳定性与性能保证，量化了预测时域、执行间隔和不确定性对性能的影响，为异步MPC设计提供指导。
2026-09-09 cs.SY eess.SY
Data-driven Kernel-based Predictive Control with Stability and Robustness Guarantees
Nanyang Technological University（南洋理工大学）；Beijing Institute of Technology（北京理工大学）
研究基于输入输出数据的核基预测控制方案闭环特性，用核方法构建多步预测器，证明无噪声时方案特性，引入松弛缓解计算负担，增强抗噪声能力，扩展到慢时变系统并举例验证。
2026-07-07 cs.SY eess.SY
Model Predictive Control for Integrated Lateral Stability
本文针对超高速赛车场景，设计了集成横向稳定、牵引制动控制与防侧翻的新型MPC，通过线性化轮胎模型降本，在印地自动驾驶挑战赛仿真中实现45m/s车速下30cm横向误差、50Hz求解速度。
2023-06-09 cs.SY eess.SY
Stability of Constrained Adaptive Model Predictive Control Algorithms
University of Bayreuth（拜罗伊特大学）；Curtin University of Technology（科廷科技大学）
针对无终端约束的MPC，提出一种自适应优化时域策略以保证闭环稳定性和次优性，并给出稳定性证明及简单缩短/延长方法。
2011-05-17 cs.SY eess.SY math.OC
Stability Analysis of Piecewise Affine Systems with Multi-model Model Predictive Control
The University of Manchester（曼彻斯特大学）
本文研究了多模型线性MPC与观测器结合的分段仿射系统稳定性问题，通过IQCs和耗散不等式分析不确定性对稳定性的影响，提出静态乘子以降低保守性，通过工程案例验证方法有效性。
2018-08-01 cs.SY eess.SY
A Predictive Online Transient Stability Assessment with Hierarchical Generative Adversarial Networks
在线暂态稳定评估（TSA）是保证电力系统安全稳定运行的重要手段。相量测量单元（PMU）数量的不断增加带来了大量数据源，可以增强在线TSA。然而，传统的数据驱动方法需要大量的瞬态数据来正确评估系统的暂态稳定状态。在本文中，一个新的数据驱动的TSA方法开发的TSA与传统方法相比，数据较少。通过使用生成和对抗网络（GAN）学习历史瞬态数据的动态行为来实现数据缩减。该知识在线用于在瞬态事件之后预测电压时间序列数据。嵌入生成网络中的分类器部署预测的事故后数据，以确定故障后系统的稳定性。所开发的基于GAN的TSA方法保留了多变量PMU时间序列数据中存在的空间和时间相关性。因此，与最先进的TSA方法相比，它仅使用一个测量数据样本和更短的响应时间就实现了更高的评估精度。在IEEE 118节点系统上进行的案例研究表明，与传统的数据驱动技术相比，基于GAN的方法具有优越的性能。
2021-12-15 cs.SY eess.SY
Integrating Koopman theory and Lyapunov stability for enhanced model predictive control in nonlinear systems
针对双线性非线性系统传统控制预测能力不足的问题，将Koopman算子线性化能力与Lyapunov稳定性理论融入模型预测控制，提出Koopman LMPC方法，兼具预测能力与稳定性保证，提升控制鲁棒性与适用性。
2025-05-20 cs.SY eess.SY
Offset-free model predictive control: stability under plant-model mismatch
针对非线性无静差MPC长期依赖闭环稳定性假设的问题，本文提出含鲁棒状态与扰动估计器的设计，证明其在模型失配和持续扰动下的稳定性、无静差性能及鲁棒性。
2025-09-01 cs.SY eess.SY math.OC
Implementation of Linear Model Predictive Control -- Tutorial
本教程概述了具有线性离散时间系统和约束状态和输入的模型预测控制。重点是在考虑稳定性和递归可行性的情况下实现该方法。示例和绘图的MATLAB代码可在线获得。
2021-09-24 cs.SY eess.SY
Network-Realised Model Predictive Control Part II: Distributed Constraint Management
Department of Automatic Control；Systems Engineering, ``Politehnica'' University of Bucharest, Bucharest, Romania -1mm；Laboratoire des Signaux et Syst\`emes, CentraleSup\'elec, Paris-Saclay University, Gif-sur-Yvette, France -9mm
本文提出一种两层控制架构，通过集合理论方法实现可扩展的模型预测控制器，提供递归可行性保证，并允许灵活定制。
2026-04-10 cs.SY eess.SY
Distributed model predictive control without terminal cost under inexact distributed optimization
Delft University of Technology（代尔夫特理工大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
针对具有耦合约束的分布式线性离散时间系统，提出一种无终端代价的分布式模型预测控制（MPC）方案，通过松弛动态规划引入显式稳定性条件，并开发无违例分布式优化方法求解，确保闭环稳定性。
2025-04-22 cs.SY eess.SY
Distributed Truncated Predictive Control for Networked Systems under Uncertainty: Stability and Near-Optimality Guarantee
本文针对不确定网络化系统提出分布式截断预测控制算法，每个节点仅利用局部信息和有限跳邻域求解截断预测优化问题，证明其具有输入到状态稳定性且遗憾值随时域和截断半径指数衰减，从而以短时域和小邻域实现近最优性能。
2025-07-17 cs.SY eess.SY math.OC
Kernelized offset-free data-driven predictive control for nonlinear systems
针对非线性系统中传统预测控制器因预测器不准确或持续干扰导致的跟踪偏置与稳定性问题，本文提出核化无偏置数据驱动预测控制方案，通过核方法参数化速度模型非线性项并以最小二乘法学习参数，经仿真验证有效且提供了可行性与稳定性分析框架。
2024-11-27 cs.SY eess.SY
Robust stability analysis of a simple data-driven model predictive control approach
本文针对一种无需终端成分的简单数据驱动MPC方案，基于行为系统理论分析其闭环特性，证明无噪声时足够长预测时域可保证指数稳定、带噪声时具实用指数稳定，并通过数值示例验证优势。
2022-04-14 cs.SY eess.SY math.OC
Analysis of Stability and Performance of Economic Model Predictive Control with State-Independent Costs
University of Melbourne（墨尔本大学）
本文研究了状态无关成本的经济模型预测控制方案，探讨了其稳定性与性能，通过严格 dissipativity 假设保证闭环轨迹收敛至最优稳态集，并提出改进的阶段成本以增强稳定性。
2026-04-27 cs.SY eess.SY math.OC
High-Performance Model Predictive Control for Quadcopters with Formal Stability Guarantees
Avular（阿夫拉尔）
本文提出一种具有形式稳定性保证的四旋翼 cascade 控制策略，通过模型预测控制实现高精度轨迹跟踪。
2024-12-28 cs.SY eess.SY math.OC
Backup Plan Constrained Model Predictive Control with Guaranteed Stability
针对任务不确定下的自主车辆路径规划，提出备份计划安全概念与备份计划约束MPC算法，通过多目标多时域可行性最大化兼顾主备任务可行性，保证闭环渐近稳定，经UAV仿真验证有效。
2023-10-06 cs.SY eess.SY
KPC: Learning-Based Model Predictive Control with Deterministic Guarantees
我们提出了核预测控制（KPC），基于学习的预测控制策略，享有确定性的安全保证。噪声破坏的样本的未知系统动态被用来学习几个模型，通过非参数核回归的形式主义。通过单独处理每个预测步骤，我们免除了通过高度非线性映射传播集合的需要，这一过程通常涉及多个保守近似步骤。然后，通过采用一个有效的鲁棒性制定的样本误差界来执行状态的可行性。然后，我们提出了一个松弛策略，利用在线数据来削弱优化问题的约束，同时保持安全。两个数值例子来说明所提出的控制方法的适用性。
2020-11-23 cs.SY eess.SY
Learning-Based Distributionally Robust Model Predictive Control of Markovian Switching Systems with Guaranteed Stability and Recursive Feasibility
针对切换概率未知的机会约束马尔可夫切换系统，提出了一种数据驱动的模型预测控制方法。利用马尔可夫链的样本，估计转移概率的模糊集，其中包括具有高概率的真实条件概率分布。这些集在线更新，并用于制定一个随时间变化的，规避风险的最优控制问题。我们证明了所得到的MPC计划的递归可行性，并表明，原来的机会约束仍然满足在每个时间步。此外，我们表明，充分降低的置信水平下，由此产生的MPC计划使闭环系统的均方稳定的真实，但未知的分布，同时保持保守性比一个完全强大的方法。
2020-10-01 cs.SY eess.SY math.OC
Koopman Data-Driven Predictive Control with Robust Stability and Recursive Feasibility Guarantees
Eindhoven University of Technology（埃因霍温理工大学）
本文提出一种基于库普曼提升模型的子空间数据驱动预测控制方法，通过学习可观测函数抑制多步预测误差，并利用终端代价、终端集和插值初始状态保证递归可行性，同时通过新型正则化代价获得闭环输入到状态稳定性。
2024-05-02 cs.LG cs.SY eess.SY
Stability analysis of Model Predictive Controllers using Mixed Integer Linear Programming
Linköping University（林雪平大学）
本文提出一种基于混合整数线性规划的工具，用于分析线性系统中模型预测控制器闭环稳定性，通过优化问题提供稳定性充分条件。
2016-04-04 cs.SY eess.SY math.OC
Robust multi-rate predictive control using multi-step prediction models learned from data
本文扩展了最近提出的一种算法，用于受过程和测量干扰的渐进稳定、线性时不变系统的模型辨识和鲁棒MPC。独立的输出预测为不同的步骤提前估计集成员的方法。它在这里示出，相应的预测误差界是最保守的所考虑的模型类。然后，一个新的多速率鲁棒MPC算法的开发，采用所述多步预测器鲁棒地强制约束和稳定性对干扰和模型的不确定性，并减少保守性。仿真实例验证了该方法的有效性。
2021-02-27 cs.SY eess.SY
Observer-Based Distributed Model Predictive Control for String-Stable Multi-vehicle Systems with Markovian Switching Topology
针对有向马尔可夫切换拓扑下的车辆队列，提出基于自适应观测器的分布式模型预测控制方法，保证观测器均方稳定与队列串稳定，并减小跟踪误差。
2025-07-03 cs.SY eess.SY
Convergence guarantees for adaptive model predictive control with kinky inference
本文分析了控制未知非线性系统的鲁棒自适应模型预测控制算法，证明采用二次稳定代价函数并通过kinky inference递归更新标称模型可确保系统在模型不确定性下收敛至原点，并经数值仿真验证。
2024-05-30 cs.SY eess.SY math.OC
Model predictive control for transient frequency regulation of power networks
本文介绍了一种同时实现电网渐近稳定和暂态频率调节的控制策略。通过迭代求解具有稳定性和瞬态频率约束的开环控制成本最小化问题来生成控制命令。为了解决稳定性约束的非凸性，我们提出了一种凸化策略，该策略使用基于系统当前状态的参考轨迹。我们还详细介绍了如何采用网络分区，以分布式的方式实现所提出的控制策略，每个区域只需要从相邻区域的系统信息来执行其控制器。
2019-11-12 cs.SY eess.SY
Online learning-based Model Predictive Control with Gaussian Process Models and Stability Guarantees
Otto-von-Guericke-University（奥托·冯·格里克大学）；Universidad de Sevilla（塞维利亚大学）
模型预测控制允许以约束满足的形式提供高性能和安全保证。然而，只有当用于预测的受控过程的基础模型足够准确时，这些性质才能得到满足。解决这一挑战的单向式方法之一是通过数据驱动和机器学习方法，例如高斯过程，允许在操作期间在线优化模型。我们提出了一个组合的输出反馈模型预测控制计划和高斯过程为基础的预测模型，能够有效的在线学习。为此，进化高斯过程的概念与递归后验预测更新相结合。所提出的方法保证了递归约束满足和输入到状态稳定性的模型-植物不匹配。仿真研究表明，高斯过程预测模型可以成功有效地在线学习。通过结合递归更新过程和限制训练数据点的数量，同时保持良好的性能，从而显着降低了计算负荷。
2020-12-01 cs.LG cs.SY eess.SY
Lyapunov-based Nonlinear Model Predictive Control for Attitude Trajectory Tracking of Unmanned Aerial Vehicles
针对无人机（UAV）的姿态控制问题，提出了一种新的基于李雅普诺夫（Lyapunov）的非线性模型预测控制器（LNMPC）。基于二次型代价函数，综合无人机动力学和系统约束，设计了控制器。一个额外的收缩约束，然后引入，以确保闭环系统的稳定性。该约束是通过一个李雅普诺夫函数来自滑模控制器（SMC）。最后证明了LNMPC的可行性和稳定性。仿真和比较结果表明，所提出的控制器保证了系统的稳定性，并优于其他国家的最先进的非线性控制器，如反推控制器（BSC）和SMC。此外，所提出的控制器可以集成到现有的无人机模型在凉亭模拟器进行软件在环测试。仿真结果表明，LNMPC控制器的控制效果优于无人机内置PID控制器，验证了所提方法的有效性和适用性。
2022-10-28 cs.SY eess.SY
Stability and Robustness of Distributed Suboptimal Model Predictive Control
ETH Zürich（苏黎世联邦理工学院）
在分布式模型预测控制（MPC）中，每个采样时刻的控制输入是通过分布式算法求解有限时域上的大规模最优控制问题（OCP）来计算的。通常，这样的算法需要子系统之间的几个（几乎无限的）通信回合来收敛，这在计算上和从能量角度（对于无线系统）来看都是主要缺点。出于这些挑战，我们提出了一个次优的分布式MPC计划，其中总的通信负担也分布在时间上，通过保持一个运行的解决方案估计的大规模OCP和更新它在每个采样时间。我们证明，在一定的规律性条件下，所得到的次优MPC控制律恢复定性的鲁棒稳定性最优MPC的属性，如果在每个采样时间的通信预算是足够大的。
2023-03-27 cs.RO cs.SY eess.SY
Robust Data-Driven Tube-Based Zonotopic Predictive Control with Closed-Loop Guarantees
本文提出一种针对离散时间线性系统的鲁棒数据驱动TZPC方法，通过两阶段设计在有界噪声下保证递归可行性与闭环鲁棒指数稳定性，数值仿真验证了其有效性与优越性能。
2025-09-16 cs.SY eess.SY
Reconfigurable Plug-and-play Distributed Model Predictive Control for Reference Tracking
针对变拓扑网络提出了一种即插即用的模型预测控制（PSTMPC）方案，以跟踪分段常数参考。该方案允许子系统偶尔加入和离开网络，同时保持渐近稳定性和递归的可行性，包括两个主要阶段。在重新设计阶段，基于无源性的控制，以确保网络的渐近稳定性得到保持。在过渡阶段，可重构的终端成分，以确保分布式MPC问题是最初可行的后，PPENDIX操作。所提出的方案的有效性进行评估，将其应用到网络的质量弹簧阻尼器系统，并将其与基准计划。结果发现，新的重新设计阶段的结果在更快的PAPPLE操作，而新的过渡阶段，通过接受更多的请求，增加了灵活性。
2022-11-16 cs.SY eess.SY
Stability-Aware Imitation Learning from Model Predictive Control for Autonomous Vehicle Lateral Control: Exact Q-Loss and a Novel Training Procedure
Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)（胡志明市理工大学（HCMUT），越南国立大学胡志明市分校）；Hanoi University of Science and Technology (HUST)（河内科技大学）
本文提出一种稳定性感知的模仿学习框架，通过精确Q损失和基于Lyapunov-IQC的认证裕度训练神经控制器逼近MPC策略，并在自动驾驶车辆横向控制实验中验证了闭环性能。
2026-09-22 cs.SY eess.SY
Oracle-based economic predictive control
本文提出了一种经济模型预测控制器，假设对象的唯一可测信号是经济成本最小化。为了预测给定输入轨迹的经济成本的演变，提出了一种具有NARX结构的预测模型，即所谓的预言机。研究了这种预言存在的充分条件，证明了对于一般的非线性系统，如果经济代价函数是Morse函数，则可以得到这种预言。基于此预言，经济模型预测控制器的建议，并证明其稳定性在标称条件下的标准耗散性假设。这些控制器在实际环境中的可行性（其中的预言可能提供不完善的预测通用输入）证明了通过输入到状态稳定性。这些特性已在基于连续搅拌釜式反应器的案例研究中得到说明。
2021-04-19 cs.SY eess.SY
Sparse Packetized Predictive Control of Disturbed Plants Over Channels with Data Loss
本文研究了线性离散时间对象在有界扰动作用下，采用分组预测控制（PPC）策略时的闭环稳定性。在所考虑的反馈回路中，控制器通过施加有界辍学的数字通信通道连接到致动器。两种PPC策略被考虑在内。在这两种情况下，通过解决稀疏促进优化问题来生成控制分组。一个是基于l2约束l0优化问题。这样的问题是放松的l1-l2优化问题，在其他稀疏PPC设置。我们利用有效的解决方法，后者的优化问题。此外，我们表明，在植物干扰的存在下，l2约束l0稀疏PPC和无约束l1-l2稀疏PPC保证实际的系统稳定性，如果满足一定的条件。更准确地说，在每种情况下，我们可以推导出一个上限的系统状态，如果设计参数满足一定的条件。我们得到的界限是增加的扰动幅度。我们通过仿真表明，在这两种情况下提出的稀疏PPC策略，较大的干扰带来的性能下降，对系统的实际稳定性没有影响。
2021-08-19 cs.SY eess.SY
