Model predictive control of linear systems with preview information: feasibility, stability and inherent robustness
University of Sheffield（谢菲尔德大学）
本文研究了在名义模型预测控制中利用可用扰动预测的方法，探讨了如何通过修改终端条件来保持稳定性，并在扰动变化受限的假设下建立鲁棒稳定性与可行性。
2018-07-30 cs.SY eess.SY
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
Input-to-state Stable Approximate Nonlinear Model Predictive Control with Realtime Feasibility
University of Stuttgart（斯图加特大学）
本文提出一种基于控制李雅普诺夫函数与控制障碍函数的轻量型近似鲁棒NMPC律，拓展了可实时计算的无穷小时域NMPC方案，通过航天器控制实验验证了其有效性。
2026-07-31 cs.SY eess.SY
Integrating Planning and Predictive Control Using the Path Feasibility Governor
针对非凸环境中运动规划与跟踪集成难的问题，提出PathFG框架将路径规划器与非线性MPC结合，通过操纵参考量确保约束满足与稳定性，显著扩大吸引域并提升计算效率，经四旋翼仿真验证了实时性能。
2025-07-12 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
Feasibility-Guided Safety-Aware Model Predictive Control for Jump Markov Linear Systems
针对跳跃马尔可夫线性系统的模式不确定性与安全控制问题，提出可行性引导的安全感知MPC框架，结合控制屏障函数实现有限时域安全，实验验证其提升了系统安全性与性能。
2024-09-15 cs.SY eess.SY
Control Invariant Sets for Neural Network Dynamical Systems and Recursive Feasibility in Model Predictive Control
Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系）；Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
针对神经网络动力系统控制设计缺乏严格安全与递归可行性保证的问题，本文提出基于集合递归的控制不变集合成算法及整合该集合的混合整数模型预测控制方法，经理论分析和自动驾驶仿真验证了其安全保证与有效性。
2025-05-15 cs.AI 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
Measured-state conditioned recursive feasibility for stochastic model predictive control
针对无界扰动线性系统随机MPC的递归可行性难题，提出期望意义下测量状态条件递归可行性新定义，构建基于椭球概率可达集的闭环初始化随机MPC方案，证明其满足新定义且性能优于开环方案。
2024-06-19 cs.SY eess.SY math.OC
Contract-based hierarchical control using predictive feasibility value functions
Robert Bosch GmbH（罗伯特·博世有限公司）；ETH Zurich（苏黎世联邦理工学院）
针对层次控制中模型不一致和独立控制器设计问题，提出一种基于契约的层次控制策略，通过软约束MPC的松弛变量构建契约，并利用显式函数近似（如神经网络）表示最优松弛成本，实现安全高效的层次控制。
2026-05-29 cs.SY eess.SY
Reach-Avoid Model Predictive Control with Guaranteed Recursive Feasibility via Input Constrained Backstepping
Aalto University, Finland（阿尔托大学）
本文提出了一种新的采样数据模型预测控制框架，用于连续控制-仿射非线性系统，通过输入输出约束传播实现严格达-避和递归可行性保证。
2026-04-03 cs.SY eess.SY math.OC
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
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
Learning-Based Model Predictive Control for Piecewise Affine Systems with Feasibility Guarantees
本文提出一种结合在线与离线计算的模型预测控制方法，通过离线学习策略指定分段仿射区域序列，并给出可行性保证条件，以降低在线优化复杂度并减少离线负担。
2025-03-26 cs.SY eess.SY
Data-driven Stochastic Output-Feedback Predictive Control: Recursive Feasibility through Interpolated Initial Conditions
研究了受随机干扰的线性系统的数据驱动输出反馈预测控制问题。该计划依赖于一个合适的数据驱动的随机最优控制问题（OCP），它允许向前预测和优化的输入和输出的统计分布的重新制定的递归解决方案。我们的方法避免了使用参数系统模型。相反，它是基于以前记录的数据，使用最近提出的随机变量威廉姆斯的基本引理。引理的随机变量适用于一类受高斯和非高斯随机扰动的线性动力学。为了确保递归的可行性，OCP的初始条件--由过去的输入和输出信息组成--被认为是OCP的一个额外的决策变量。我们提供了充分条件的递归可行性和闭环实际稳定的建议方案以及性能界限。最后，一个数值例子说明了所提出的计划的有效性和闭环特性。
2022-12-15 cs.SY eess.SY math.OC
SDC-Based Model Predictive Control: Enhancing Computational Feasibility for Safety-Critical Quadrotor Control
针对四旋翼NMPC计算负担重、实时避障难的问题，提出基于SDC的MPC框架，将非线性规划转为序列二次优化，并结合积分、安全约束与扰动估计，实现精度相当、复杂度降低逾30%的实时安全控制。
2025-09-29 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
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
Harmonic based model predictive control for set-point tracking
本文提出了一种新的模型预测控制（MPC）公式的设定点跟踪。基于终端成分的稳定预测控制器可能在小到中等预测范围的参考变化的情况下表现出稳定性和可行性问题。在用于跟踪制定的MPC中，通过添加人工平衡点作为新的决策变量来解决这些问题，从而提供显著扩大的吸引域并保证任何参考变化的递归可行性。然而，如果预测范围不够大，它可能会遭受性能问题。本文提出了一种扩展的调和人工参考使用的平衡点。所提出的配方实现更大的领域的吸引力，可以显着优于其他MPC配方时，预测范围很小。我们证明了所提出的控制器的渐近稳定性和递归的可行性，以及其主要成分的设计提供指导方针。最后，我们强调了它的优势与球和板系统的案例研究。
2021-01-29 cs.SY eess.SY
Safe-by-Design: Approximate Nonlinear Model Predictive Control with Real Time Feasibility
University of Stuttgart（斯图加特大学）；Northeastern University（东北大学）
本文提出一种计算轻量、预测时域无穷小的连续时间滚动时域非线性MPC方法，通过小规模凸QP实现反馈，兼具准无限时域MPC的理论保证与实时可行性，并在非线性约束航天器控制中验证了有效性。
2026-09-09 cs.SY eess.SY math.OC
Stochastic Model Predictive Control for Linear Systems with Unbounded Additive Uncertainties
针对具有无界可加不确定性的线性定常系统，提出了两种随机模型预测控制方法。新的方法是通过制定机会约束的确定性形式，这是类似于鲁棒约束，通过使用概率可达集处理。首先，采用时变概率可达集作为管，设计了基于概率可分解时变管的随机模型预测控制算法。其次，利用概率正不变集，通过在整个预测范围内不断收紧约束条件，提出了基于概率可分解常数管的随机模型预测控制算法。此外，为了提高算法的可行性，对状态初始化施加了软约束。算法的可行性和闭环稳定性的结果。数值模拟的方法的有效性证明。
2021-04-21 cs.SY eess.SY
Model Predictive Optimized Path Integral Strategies
Stanford University（斯坦福大学）
我们推广的模型预测路径积分控制（MPPI）的推导，允许一个单一的联合分布控制序列中的控制。这种改造允许将自适应重要性采样（AIS）算法实施到原始重要性采样步骤中，同时仍然保持MPPI的优点，例如与任意系统动态和代价函数一起工作。通过在每个控制步骤中集成AIS来优化建议分布的好处在模拟环境中得到了证明，包括控制轨道周围的多辆车。新算法比MPPI算法具有更高的采样效率，在更少的采样数下获得了更好的性能。这种性能差异随着动作空间的维度增加而增加。仿真结果表明，新算法可以作为一个随时算法，增加控制值在每次迭代依赖于一个大的样本集。
2023-03-01 cs.RO cs.SY eess.SY
A Feasibility Governor for Enlarging the Region of Attraction of Linear Model Predictive Controllers
针对带逐时刻约束的线性 MPC 跟踪问题，提出附加 Feasibility Governor，通过离线多面体投影与在线凸二次规划修改参考，以扩大吸引域并保证稳定、零偏差和有限时间收敛。
2020-11-03 cs.SY eess.SY math.OC
Constrained Deep Learning Based Nonlinear Model Predictive Control
基于学习的模型预测控制（MPC）是一种降低MPC计算量的方法。本文提出了一种用于非线性系统学习MPC策略的约束深度神经网络（DNN）设计。利用神经网络的约束训练，MPC约束得到有效的加强。此外，递归的可行性和鲁棒稳定性条件推导出基于学习的MPC方法。此外，概率的可行性和最优性经验的保证提供了学习的控制策略。所提出的算法实现古田摆和控制性能的证明和比较精确的MPC和正常训练的学习为基础的MPC。结果表明，所提出的方法优越的控制性能和约束满足。
2023-03-29 cs.SY eess.SY
Topological Feasibility Guarantees for Differentiable Predictive Control
Chalmers University of Technology（查尔姆斯理工大学）；Nanyang Technological University（南洋理工大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文针对可微预测控制（DPC）缺乏严格可行性保证的问题，通过拓扑分析建立其确定性可行性保证，提出结合控制障碍函数（CBFs）的自监督离线策略学习策略，仿真验证其约束违反量随样本规模增大趋近于零，为学习型控制的可行性保证提供新视角。
2026-08-12 cs.LG cs.SY eess.SY
Enhancing Feasibility and Safety of Nonlinear Model Predictive Control with Discrete-Time Control Barrier Functions
UC Berkeley（加州大学伯克利分校）
安全性是机器人技术的基本问题之一。近年来，离散时间非线性动力系统的一步或多步最优控制问题被提出，利用控制李雅普诺夫函数（CLF）来保证系统的跟踪稳定性，同时利用控制障碍函数（CBF）来保证系统的安全性.这些现有方法的局限性主要在于可行性和安全性。在现有的方法中，优化的可行性和系统的安全性不能在理论上同时提高。在本文中，我们提出了两个公式，统一CLFs和CBFs的框架下的非线性模型预测控制（NMPC）。在所提出的公式中，安全准则通常被制定为CBF约束，并且稳定性性能通过终端代价函数或CLF约束来确保。在CBF约束中引入松弛变量，通过松弛技术解决了可行性和安全性之间的矛盾，从而使CBF约束得到增强。理论分析和数值计算结果验证了所提方法的可行性和安全性。
2021-10-01 cs.RO cs.SY eess.SY
Backup Plan Constrained Model Predictive Control
本文提出了一种新的安全概念：后备计划安全。后备计划的安全性被定义为在主要任务流产的情况下完成其中一个替代任务的能力。为了将这种新的安全概念的控制问题，我们制定了一个可行性最大化的问题，采用额外的（虚拟）输入视野对替代任务的输入视野上的主要任务。主要任务和备选任务的代价函数构造多个目标，并且多水平输入评估它们。为了解决可行性最大化问题，我们开发了一种多时域多目标模型预测路径积分控制（3M）算法。模型预测路径积分控制（MPPI）是一种基于采样的方案，可以帮助所提出的算法处理非线性动态系统，并通过并行计算来实现计算效率。通过对飞行器和地面车辆控制问题的仿真，验证了备份计划安全性的新概念和所提算法的性能。
2021-03-27 cs.SY eess.SY
Recursively Feasible Stochastic Model Predictive Control for Time-Varying Linear Systems Subject to Unbounded Disturbances
本文利用协方差引导思想，提出了一种确保具无界干扰的时变线性系统在仿射反馈随机模型预测控制下递归可行性的方法，并证明其满足机会约束且可转化为凸规划实时求解。
2024-10-14 cs.SY eess.SY math.OC
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
Coalitional predictive control: consensus-based coalition forming with robust regulation
本文研究的问题是控制系统的约束动态子系统的方式，平衡分散控制的性能退化与集中控制的实际成本。我们提出了一个联盟的控制方案，其中控制器的子系统，根据需要出现，组合成联盟，并作为一个单一的实体。该计划采用了一个强大的分布式模型预测控制的形式，递归的可行性和稳定性得到保证，但-独特的-依赖于强大的不变集只是隐含的，从而使适用于高阶系统。结合鲁棒控制算法的联盟形成的共识理论和潜在的游戏的基础上，我们建立的条件下，控制器达成共识的联盟集。在充分的驻留时间下，证明了整个时变联合控制方案的递归可行性和闭环稳定性，并保证了驻留时间的存在性。
2020-01-28 cs.SY eess.SY
Economic model predictive control for snake robot locomotion
在这项工作中，通过经济的模型预测控制（MPC）的蛇机器人运动的控制进行了研究。只有极少数的例子，应用MPC蛇机器人存在和严格的递归的可行性和收敛性的证明失踪。我们提出了一个经济的MPC算法，最大限度地提高机器人的前进速度，并集成到闭环步态模式的选择。我们展示了MPC优化问题的递归可行性，其中一些开发的技术也适用于更一般的一类系统的分析。此外，我们提供的性能结果，并说明所取得的性能数值模拟。因此，我们表明，经济MPC算法优于一个标准的横向波动控制器，并达到约束的满意度。令人惊讶的是，步态模式不同的横向波动的结果从优化。
2020-05-22 cs.SY eess.SY
1st-Order Dynamics on Nonlinear Agents for Resource Allocation over Uniformly-Connected Networks
针对网络资源分配问题，提出了一种基于一阶共识的非线性分布约束凸优化的通用$1$算法。该解决方案用于优化弱连接无向网络上的连续可微严格凸代价函数，同时它在任何时候都是可行的，并对各种非线性进行建模，以考虑有限驱动能力方面的代理（的物理模型）上的缺陷和约束，例如，量化和饱和。由于这种固有的非线性，考虑理想代理模型的现有线性解决方案可能不一定收敛于保证的最优性和任何时候的可行性。一些应用还施加特定的非线性，例如，固定/有限时间或基于符号的鲁棒抗扰动态收敛。我们提出的分布式协议概括了这种非线性模型。把凸集分析与非光滑李雅普诺夫分析，我们证明收敛，（i）无论特定类型的非线性，（ii）与弱网络连接的要求（均匀连接）。
2021-11-19 cs.MA cs.SY eess.SY
Self-Tuning Tube-based Model Predictive Control
提出了基于自校正管的模型预测控制（STT-MPC），它是一种基于最小二乘估计器和多面体管的不确定线性系统的自适应鲁棒控制算法。我们的算法利用浓度的结果来约束系统的不确定性集与规定的信心，并保证鲁棒约束满足这一集，以及递归的可行性和输入到状态稳定性。在不影响算法的渐近性能或增加其计算复杂度的情况下，确保激励的持久性。我们使用数值实验证明了我们的算法的性能。
2022-10-02 cs.SY eess.SY
Robust Model Predictive Control for Linear Systems with Interval Matrix Model Uncertainty
Uninettuno University（英内图诺大学）；University of Siena（锡耶纳大学）；Mercatorum University（梅尔卡托姆大学）
本文提出了一种针对线性系统中区间矩阵不确定性的鲁棒MPC方法，通过离线计算不确定性界以降低在线计算负载，实现递归可行性和鲁棒稳定性。
2026-02-19 cs.SY eess.SY
Stochastic Model Predictive Control under AC Power-Flow Constraints Using Generative Learning
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Hong Kong Polytechnic University（香港理工大学）
本文提出一种基于条件随机神经生成器的端到端生成框架，通过生成多个候选调度轨迹并选择可行解，高效求解交流潮流约束下的随机模型预测控制问题，在IEEE 14和118节点系统上实现100%可行性和低于2%的最优性差距。
2026-09-09 cs.SY eess.SY
Multi-Objective Learning Model Predictive Control
本文提出多目标学习模型预测控制，利用重复任务中的系统数据迭代构建终端组件，在保证递归可行性的同时实现多目标闭环性能的逐次改进，并证明收敛策略具有帕累托最优性。
2024-10-17 cs.SY eess.SY
Distributed and Localized Model Predictive Control. Part II: Theoretical Guarantees
工程信息物理系统正变得越来越大和复杂。这些系统需要可扩展的控制器，鲁棒地满足状态和输入约束的存在下，加性噪声-这种控制器还应该伴随着理论上的可行性和稳定性的保证。在我们的配套文件中，我们介绍了分布式和本地化模型预测控制（DLMPC）的大规模线性系统; DLMPC是一个可扩展的闭环MPC计划，其中子系统只需要交换本地信息，以综合和实施本地控制器。在本文中，我们提供了递归的可行性和渐近稳定性保证DLMPC。我们利用系统级综合框架来表达闭环系统的最大正鲁棒不变集及其相应的李雅普诺夫函数，都在闭环系统响应方面。我们使用不变集作为DLMPC的终端集，并证明了这保证了最小保守性的可行性。我们使用的李雅普诺夫函数的终端成本，并表明，这保证了稳定性。我们提供了完全分布式和本地化的算法来计算终端集离线，也提供了必要的补充在线DLMPC算法，以适应耦合终端约束和成本。在所有的算法中，只有当地的信息交换是必要的，计算复杂性是独立的全球系统的大小-我们证明了这一点分析和实验。这是第一个分布式MPC的方法，提供最低限度的保守，但完全分布式保证递归的可行性和渐近稳定性，为标称和鲁棒设置。
2022-03-01 cs.SY eess.SY math.OC
Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；University of Bergamo（贝加莫大学）
研究无人机在非凸空中走廊的导航规划，核心方法是基于混合整数跟踪模型预测控制公式，嵌入特定成本与约束，主要贡献是生成满足约束且收敛目标的动态有效轨迹，无需外部全局规划。
2026-07-28 cs.RO 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
Set-based MPC for discrete-time LTI systems with maximal domain of attraction and minimal predictive control horizon
本文提出了一种新的基于集合的模型预测控制跟踪，它提供了最大的吸引域，即使在最小的预测/控制时域。该配方-它包括一个单一的优化问题-表现出双重行为：一个操作的最大可控集内的可行的平衡集，和其他操作的N-可控集相同的平衡集。基于一些有限时间收敛的结果，所得到的闭环系统的渐近稳定性的证明，而递归的可行性是确保任何改变的设定点。该建议的性能和优点已在仿真模型上进行了测试。
2023-02-16 cs.SY eess.SY
Disturbance feedback-based model predictive control in uncertain dynamic environments
针对不确定环境下线性系统面临的时变不确定约束问题，提出基于未来环境状态参数化预测输入的鲁棒MPC方案，兼具理论保证与仿真验证。
2024-04-15 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
Safe Stochastic Model Predictive Control
对安全关键型系统进行有效和安全的控制是一项挑战。鲁棒方法可能过于保守，而概率控制器需要在效率和安全之间进行权衡。在这项工作中，我们提出了一个安全的算法，是兼容的任何随机模型预测控制方法的线性系统添加剂的不确定性和多面体约束。该安全算法允许使用随机模型预测控制的乐观控制输入，只要安全的备用计划器可以确保安全性，以满足受有界不确定性的硬约束。除了保证安全的行为，所提出的随机模型预测控制算法保证递归的可行性和输入到状态稳定性的系统起源。安全的随机模型预测控制算法的好处是在数值模拟中证明，突出的优点相比，纯粹的鲁棒或随机预测控制器。
2022-09-15 cs.SY eess.SY
Robust constrained nonlinear Model Predictive Control with Gated Recurrent Unit model -- Extended version
本研究提出一种基于门控循环单元网络模型的鲁棒约束非线性模型预测控制方法，通过约束收紧策略保障约束鲁棒满足与递归可行性，引入新终端代价和终端集实现闭环系统的输入-状态稳定性。
2023-12-19 cs.SY eess.SY
Constrained finite-time stabilization by model predictive control: an infinite control horizon framework
The Seventh Research Division, Beihang University（北京航空航天大学第七研究院）
本文提出了一种无限时间 horizon 的模型预测控制框架，用于解决离散时间系统的约束有限时间稳定化问题，通过扩展终端成本策略并替换为无限时间 horizon 上阶段成本的总和，提高了初始可行性并避免了终端等式约束和切换策略。
2026-09-29 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
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
Collective Tube Model Predictive Control With Distribution-Free Joint Safety Certificates
Politecnico di Torino（都灵理工大学）
本文提出集体管模型预测控制（CT-MPC），通过校准预测误差轨迹管并离线构建确定性收紧，实现线性系统联合状态-输入安全与递归可行性，相比传统方法减少收紧并保持安全性。
2026-09-23 cs.SY eess.SY
Certificate-Carrying Distributed Model Predictive Control on Product Manifolds with $\mathrm{SO}(3)$
Hubei University（湖北大学）；Wuhan University（武汉大学）；KTH Royal Institute of Technology（皇家理工学院）；Northeastern University（东北大学）
本文针对同步分布式模型预测控制中相邻预测变化导致的约束违反问题，提出带硬轨迹信任区域和双层预算的证书携带式方法，证明硬约束满足与递归可行性，并在航天器编队中验证其降低保守性。
2026-09-28 cs.SY eess.SY math.OC
Station-keeping of $L_2$ halo orbits under sampled-data model predictive control
针对地月系统中围绕$L_2$点的准Halo轨道，设计了一种改进的模型预测控制方案。由于多速率采样数据轨迹规划器允许简化模型预测控制器的优化问题，同时保证可行性和收敛到期望的轨道，从而获得改进。多速率规划器的设计基于一个简化的动态模型下的初步非线性调节反馈。所提出的控制方案优于最近的位置保持非线性模型预测控制设计在跟踪误差和能量消耗在不同的情况下。最后，一个简短的研究有关的计算时间方面进行了突出的现代硬件实时实现的可能性。
2022-02-22 cs.SY eess.SY
Time-Optimal Model Predictive Control for Linear Systems with Multiplicative Uncertainties
Università di Siena（锡耶纳大学）；Università Mercatorum（Mercatorum大学）
本文提出了一种针对具有区间矩阵表示乘法不确定性的离散线性系统的时间最优模型预测控制方案，通过矩阵ゾノトープ基于边界操作符近似集值误差系统动力学，确保递归可行性与有限时间收敛，并通过数值案例验证了方法的有效性。
2026-03-25 cs.SY eess.SY
Minimal Constraint Violation Probability in Model Predictive Control for Linear Systems
本文针对线性系统在加性不确定性下的状态约束问题，提出一种最小化约束违反概率的模型预测控制方法，并证明了递归可行性与输入到状态稳定性。
2024-02-16 cs.SY eess.SY
Distributed Conditional Cooperation Model Predictive Control of Interconnected Microgrids
University of Kassel（卡塞尔大学）
本文提出了一种基于模型预测控制的操作策略，使互联微电网之间能够进行电力交换。通过引入基于孤岛运行成本的条件，确保每个微电网都能从与其他微电网的电力交换中受益。整体模型预测控制问题被提出为混合整数二次约束规划问题，并通过迭代更新连续和整数变量的分布式算法进行求解。讨论了该算法的终止性、可行性及计算性质，并通过示例研究突出所提策略的性能和计算优势。
2023-11-12 cs.SY eess.SY
A Distributed Active Set Method for Model Predictive Control
针对线性系的模型预测控制问题，提出了一种新的分布式有效集方法。该方法结合原始有效集策略和分散共轭梯度法求解凸二次规划问题。与现有的分布式模型预测算法相比，所提出的方法的优点是迭代的原始可行性。数值结果表明，所提出的方法可以竞争的交替方向法的乘法器的通信要求的质量链的例子。
2021-03-23 cs.SY eess.SY math.OC
