A Unified Variational Design of Predictive Mirror Descent in Convex Games under Stochastic Feedback
New York University（纽约大学）；City University of Hong Kong（香港城市大学）
本文通过构造带辅助记忆状态的随机镜像微分博弈，提出预测反馈的变分路径，导出一般镜像几何中的双通道预测镜像动力学，并在局部镜像正则性、局部Bregman增长条件和有界布朗扩散下，建立了有限时域局部终端时间界的期望和高概率保证，以及局部化邻域的退出概率估计，为稳定均衡附近的最后迭代性能提供了统一的变分构造和局部随机保证。
2026-06-01 cs.GT math.OC
Adaptive Horizon Model Predictive Control and Al'brekht's Method
一个标准的方法找到一个反馈规律，稳定的控制系统的工作点是重铸的问题作为一个无限的地平线最优控制问题。如果最优成本和最优反馈可以在工作点周围的一个大的域上找到，则可以使用李雅普诺夫参数来验证闭环动态的渐近稳定性。这种方法的问题是，通常是很难找到最优成本和最优反馈的一个大的区域上的非线性问题有约束或无约束。因此，对模型预测控制（MPC）的兴趣越来越大。在标准MPC中，有限时域最优控制问题被实时求解，但仅在当前状态下，第一控制动作被实施，系统演化一个时间步长，并且该过程被重复。利用Al 'brekht方法在工作点附近找到的终端费用和终端反馈，缩短了规划时间，从而使非线性规划的决策变量更少，更容易求解。自适应时域模型预测控制（AHMPC）是一种根据需要改变模型预测控制（MPC）时域长度的方法。它的目标是在尽可能小的范围内实现稳定，以便MPC方法可以用于更快和/或更复杂的动态过程。
2019-03-29 math.OC
Riccati-ZORO: An efficient algorithm for heuristic online optimization of internal feedback laws in robust and stochastic model predictive control
Department of Microsystems Engineering (IMTEK), University of Freiburg（弗赖堡大学微系统工程学院（IMTEK））；Department of Mathematics, University of Freiburg（弗赖堡大学数学系）
本文提出Riccati-ZORO算法，用于管状最优控制问题，通过启发式不确定性成本设计联合优化名义轨迹和不确定性管，将计算复杂度从O(n_x^6)降至O(n_x^3)。
2026-06-05 math.OC
Two-component controller design to safeguard data-driven predictive control
本文提出双组件控制器，结合数据驱动预测控制与高增益反馈，确保输出约束满足，并通过数值示例验证其有效性。
2025-05-25 math.OC
Regional predictive control with suboptimally extended regions of validity
模型预测控制（MPC）是建立在不断求解最优化问题的基础上的。优化的解通常被解释为当前状态的最优输入。然而，优化的解决方案并不只是提供一个最佳的输入，但整个最佳仿射反馈法律和多面体上，这个法律是最佳的。我们最近提出，只要系统保持在其多面体中，就可以使用这种反馈律。这可以被解释为基于事件的方法，其中离开当前多面体是触发下一次优化的事件。这种方法是特别适合于网络控制设置，因为反馈法和他们的多面体可以评估与精益本地节点的计算工作量低。在这篇文章中的反馈法的有效性区域进行了扩展。更准确地说，最佳多面体扩展到非线性有界的有效性区域的可行性和稳定区域的交集。因此，与最优方法相比，需要求解的二次规划更少。新的有效区域仍然适用于精益局部节点的评估。此外，可以针对期望的闭环性能来调整区域。
2020-09-18 math.OC
Descending Predictive Feedback: From Optimal Control to the Sensorimotor System
下行预测反馈（DPF）是中枢神经系统中一种普遍存在但无法解释的现象。最近的观察运动相关的信号在视觉系统中的动机，我们从感觉运动的角度来处理这个问题，并利用最优控制器来解释DPF。我们定义和分析DPF的最优控制的上下文中，重新审视几个控制问题（状态反馈，完全控制，和输出反馈），以探索的条件下，需要DPF。我们发现，即使是小的偏差，从无约束的状态反馈问题（如不完整的传感，通信延迟）需要DPF的最优控制器。我们还讨论了控制器结构和神经科学的观察之间的相似之处。特别是，系统级（SLS）控制器显示DPF模式兼容的预测编码理论，并很容易适应典型的神经元的信令限制（如延迟），使其成为候选人用于感觉运动建模。
2021-03-31 cs.SY eess.SY math.OC
Exact representation and efficient approximations of linear model predictive control laws via HardTanh type deep neural networks
本文证明HardTanh深度神经网络能精确表示线性时不变系统的预测控制律，推导了所需最小隐藏层数和神经元数的理论界限，并结合投影梯度下降等优化算法设计可训练展开架构，克服了黑盒学习缺陷。
2024-01-10 math.OC
Adaptive Horizon Model Predictive Control
自适应时域模型预测控制（AHMPC）是一种根据需要改变模型预测控制（MPC）时域长度的方法。它的目标是在尽可能小的范围内实现稳定，以便MPC可以用于更快或更复杂的动态过程。除了MPC的标准要求，包括终端成本，这是一个控制李雅普诺夫函数，AHMPC需要一个终端反馈，把控制李雅普诺夫函数变成一个标准的李雅普诺夫函数在一些域周围的操作点。但是这个域不需要明确地知道。MPC不离线计算最优成本和最优反馈，而是在需要时在线计算这些量。AHMPC不离线计算终端成本是控制李雅普诺夫函数的域，而是当状态在该域中时在线计算。
2016-02-27 math.OC
Partial State-Feedback Reduced-Order Switching Predictive Models for Next-Generation Optical Lithography Systems
本文提出部分状态反馈降阶切换预测模型，以平衡光刻中测量数量与噪声、吞吐量及叠对误差的权衡，通过减少不必要测量并自适应补偿掩模版加热，在先进扫描仪上实现放置误差降低2-3倍、每片晶圆吞吐量提升0.3秒，同时维持或改善叠对精度。
2025-10-15 math.OC
Explicit feedback synthesis for nonlinear robust model predictive control driven by quasi-interpolation
提出QuIFS算法，基于拟插值离线综合显式非线性鲁棒极小极大MPC反馈策略，保证ε-逼近最优解，并建立闭环稳定性与递归可行性。
2024-04-19 cs.SY eess.SY math.OC
Output-feedback model predictive control under dynamic uncertainties using integral quadratic constraints
本文提出一种基于IQC的输出反馈管道MPC方案，通过联合设计鲁棒动态控制器与估计器并凸化峰峰值鲁棒估计问题，实现对动态不确定性系统的递推可行控制与稳定性保证。
2025-08-22 cs.SY eess.SY math.OC
Multi-objective optimization framework for networked predictive controller design
网络化控制系统（NCSs）经常遭受随机数据包丢失的问题，从而影响系统的稳定性和性能。针对通信网络封闭的反馈控制系统中随机丢包的不利影响，设计了一种具有预测增益的状态反馈控制器。为了实现更好的性能，本文提出了一种基于线性矩阵不等式（LMI）约束的优化控制器设计框架，以确保稳定性。采用非支配排序遗传算法-Ⅱ（NSGA-II）对不同的冲突目标函数进行了优化。在本文中提出的方法不仅给出了保证闭环稳定的意义上的李雅普诺夫，即使在存在随机丢包，但也给出了两个冲突的时域控制目标之间的优化权衡。
2013-01-05 math.OC
On Model Predictive Funnel Control with Equilibrium Endpoint Constraints
提出模型预测漏斗控制，结合漏斗控制的误差保证与MPC的预测优势，通过滚动优化参数化误差边界，减少决策变量并提升鲁棒性，利用终端等式约束证明稳定性及可行性。
2025-05-26 math.OC
Robust output feedback model predictive control using online estimation bounds
我们提出了一个框架，设计非线性鲁棒输出反馈模型预测控制（MPC）计划，确保约束条件下的噪声输出测量和干扰的满意度。我们提供了新的估计方法来约束估计误差的大小的基础上：稳定性的观察员;可检测性;集员估计;滚动时域估计（MHE）。鲁棒约束满足保证适当地将这些在线验证的边界上的估计误差在一个位似管的MPC制定。此外，我们展示了如何通过将MHE和MPC结合在单个优化问题中来进一步提高性能。该框架适用于一般类的可检测和（增量）稳定的非线性系统。虽然标准的输出反馈MPC计划使用离线计算的最坏情况下的估计误差的界限，所提出的框架利用在线验证的界限，从而减少保守性和提高性能。我们证明了减少保守性的建议框架使用非线性10状态四旋翼的例子。
2021-05-07 cs.SY eess.SY math.OC
Real-Time Algorithms for Model Predictive Control of Hybrid Dynamical Systems
University of Freiburg（弗赖堡大学）
本文提出三种实时混合MPC方案，通过求解带互补约束的二次规划问题，获得局部不连续分段仿射的MPC反馈律，并证明参数MPCC的连续性和可微性，以及在解不连续情况下误差有界。
2026-04-20 math.OC
Synthesis of constrained robust feedback policies and model predictive control
本文提出一种基于鲁棒控制的方法，用于综合受凸二次约束的有限、无限及滚动时域控制问题的鲁棒时变状态反馈策略，利用初始状态到峰值增益技术确保约束满足，并构建线性矩阵不等式条件，实验证明其保守性低于标准基于管的鲁棒模型预测控制方法。
2023-10-18 cs.SY eess.SY math.OC
On Data-Driven Stochastic Output-Feedback Predictive Control
本文基于基本引理的随机变体，提出一种针对受非高斯扰动LTI系统的数据驱动输出反馈预测控制方案，利用多项式混沌展开构建随机OCP，并给出递归可行性与鲁棒性分析，数值示例验证其有效性。
2024-11-05 cs.SY eess.SY math.OC
Adaptive Output-Feedback Model Predictive Control of Hammerstein Systems with Unknown Linear Dynamics
针对线性动态未知、输入非线性已知的 Hammerstein 系统，提出结合递推最小二乘在线辨识与 QP 迭代优化的 PCAC 输出反馈预测控制方法，并用于饱和与死区约束下的积分器链镇定。
2023-09-28 cs.SY eess.SY math.DS
On Min-Max Robust Data-Driven Predictive Control Considering Non-Unique Solutions to Behavioral Representation
Tsinghua University（清华大学）
本文提出一种新的鲁棒数据驱动预测控制框架，通过分析行为表示的非唯一解，揭示子空间预测控制的鲁棒性不足，并提出反馈鲁棒DDPC方案，通过仿真验证其有效性。
2026-04-22 math.OC
Output-Feedback Nonlinear Model Predictive Control with Iterative State- and Control-Dependent Coefficients
针对可表示为状态和控制相关系数伪线性形式的非线性系统，提出迭代二次规划MPC并结合块能观规范形实现输出反馈，在多类数值示例中验证。
2023-09-28 cs.SY eess.SY math.DS
Revolution-Spaced Output-Feedback Model Predictive Control for Station Keeping on Near-Rectilinear Halo Orbits
针对近直线晕轨道定点保持，提出一种隔圈多机动模型预测控制策略，实现全状态跟踪，递归可行，数值验证表明成本与现有方法相当且避免相位偏差。
2025-10-16 cs.SY eess.SY math.OC
Stochastic Model Predictive Control with Online Risk Allocation and Feedback Gain Selection
Linköping University（林雪平大学）
本文提出了一种方法，通过离散凸机会约束和预计算的反馈策略集，将非凸问题转化为混合整数锥优化问题，有效解决随机模型预测控制中的风险分配与反馈策略优化问题。
2026-04-06 cs.SY eess.SY math.OC
Adaptive Output Feedback Model Predictive Control
状态和输入存在硬约束的不确定系统的模型预测控制（MPC）是一个非平凡的问题，在缺乏状态测量的情况下，其挑战性成倍增加。本文针对单输入单输出离散线性定常系统，提出了一种基于自适应观测器和鲁棒预测控制相结合的自适应输出反馈预测控制方法。在每个时刻，自适应观测器提供状态和系统参数的估计，然后在MPC优化例程中利用这些估计，同时鲁棒地考虑估计误差。对优化问题的解决方案导致状态估计轨迹所在的位似管。真实状态在较大的外管内演化，该外管通过在相似管部分周围增加一组不变的状态估计误差而获得。递归的可行性证明所提出的“位似和不变的”双管方法，以及在一个学术系统上的仿真结果。
2022-11-22 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
Nonlinear Dual control based on Fast Moving Horizon estimation and Model Predictive Control with an observability constraint
本文提出了一种结合快速滚动时域参数估计和模型预测控制的算法，该算法受可观测性约束，以确保参数估计器性能的下界。在小噪声和初始误差的假设下，通过状态/误差系统的输入-状态稳定性证明了输出反馈稳定性。数值实验已经进行了积极的同时定位和映射（SLAM）的情况下。
2023-03-24 math.OC
Minimum Cost Feedback Selection in Structured Systems: Hardness and Approximation Algorithm
本文研究线性定常结构系统的输出反馈选择问题。我们假设输入和输出是专用的，即，每个输入直接致动单个状态并且每个输出直接感测单个状态。给定一个具有专用输入和输出的结构化系统，以及表示每个反馈连接的成本的成本矩阵，我们的目标是选择一组最优的反馈连接，使得闭环系统满足任意极点配置。这个问题被称为专用i/o的最优反馈选择问题。我们首先证明了NP-困难的问题，使用减少从一个著名的NP-困难的问题，加权集覆盖问题。此外，我们还证明了最佳反馈选择问题的专用I/O是不可近似的一个常数因子的log n，其中n表示系统的维数。为此，我们提出了一种算法来寻找专用I/O的最优反馈选择问题的近似解。该算法由一个势函数和一个贪婪方案组成，并获得一个有保证的近似比的解决方案。然后，我们考虑两个特殊的网络拓扑结构的实际意义，称为后边缘反馈结构和层次网络。对于第一种情况，这是NP-困难的和不可近似的乘法因子的log n，我们提供了一个（log n）-近似解，其中n表示系统的维数。对于分层网络，我们给出了一个基于动态规划的算法，在多项式时间内得到一个最优解。
2019-03-29 math.OC
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
Simulation studies on regional predictive control
我们最近提出的区域预测控制方法的几个例子，以评估其效率。我们提出的数值结果以及硬件在环（HIL）的结果。
2020-09-17 math.OC
A Feedback Linearized Model Predictive Control Strategy for Input-Constrained Self-Driving Cars
Concordia University（康科迪亚大学）
本文针对输入受限自动驾驶汽车的轨迹跟踪控制问题，提出双模态模型预测控制方案，经Quanser Qcar实验验证，其计算成本低，跟踪性能优于两种替代控制方案。
2026-09-03 cs.SY eess.SY math.OC
Data-driven learning of feedback maps for explicit robust predictive control: an approximation theoretic view
本文提出一种数据驱动算法，通过凸半无限规划生成数据并学习近似反馈映射，用于显式鲁棒MPC，保证递推可行性和闭环稳定性，并用两个基准示例验证。
2025-10-15 cs.LG cs.SY eess.SY
A Complexity Analysis of Event-Triggered Model Predictive Control on Industrial Hardware
我们实现了最近提出的事件触发的网络MPC方法在工业硬件上分析其实际意义。对于这样的实现存在几种替代方案，其在本地和中央节点之间的计算负载的分布方面以及在网络带宽要求方面不同。这些替代方案已经在理论上进行了分析，但当实施时，很明显，它们的有用性不能仅仅基于理论考虑来预测。本文的目的是从实践和理论两个方面来确定哪种替代方案最适合在工业硬件上实施。已知的最小可能的带宽导致的变体中，只有活动的约束集从中央传输到本地节点。由于在这种情况下，局部节点必须从有效集确定控制律，这需要矩阵求逆，因此初看起来计算成本不高。有些令人惊讶的是，当实现时，计算成本几乎与问题大小成线性关系。我们证实了这一结果与更详细的理论复杂性分析比以前的论文。所有结果都说明了与工业硬件组件上的实现所获得的数据。
2019-05-10 math.OC
Data-Driven Predictive Control Using Closed-Loop Data: An Instrumental Variable Approach
提出基于工具变量的闭环数据驱动预测控制新方法，解决反馈控制下输入与噪声相关性问题，并通过新型正则化项平衡控制成本与数据拟合，提升控制性能。
2023-09-12 math.OC
Data-driven Distributionally Robust MPC: An indirect feedback approach
针对线性离散时间系统受无界相关附加扰动的问题，提出了一种分布鲁棒随机模型预测控制（SMPC）方法。我们认为硬输入约束和状态机会约束，这是近似的分布鲁棒（DR）条件风险价值（CVaR）的约束在Wasserstein模糊集。计算复杂性通过采用具有间接反馈的基于管的MPC方案来降低，使得可以离线采样错误场景。通过软化CVaR约束来保证递归可行性。四个房间的温度控制的例子证明了这种方法。
2021-09-20 math.OC
Self-triggered Model Predictive Control for Nonlinear Input-Affine Dynamical Systems via Adaptive Control Samples Selection
针对连续时间非线性仿射网络控制系统，提出了一种自触发的模型预测控制方法。该控制方法不仅规定了何时执行控制任务，而且提供了一种将最优控制轨迹离散为多个控制样本的方法，从而减少了通信负载。在采样保持实现下的稳定性分析也给出了，这保证了状态收敛到一个终端区域，系统可以通过一个本地状态反馈控制器稳定。一些仿真例子验证了我们提出的框架。
2016-03-11 math.OC
Online Data-Enabled Predictive Control
我们开发了一种在线数据启用预测（ODeePC）控制方法，用于未知系统的最优控制，建立在最近提出的DeePC [1]的基础上。我们提出的ODeePC方法利用具有实时测量反馈的原始对偶法，随着系统条件的变化迭代计算相应的实时最优控制时间最优控制策略。所提出的ODeePC在概念上类似于标准的自适应系统识别和模型预测控制（MPC），但它为标准方法提供了一种新的替代方案。ODeePC通过计算高效的方法来实现，这些方法在DeePC的上下文中利用快速傅里叶变换（FFT）和原始对偶法来利用汉克尔矩阵的特殊结构。我们提供理论保证ODeePC的渐近行为，我们通过数值例子证明了它的性能。
2020-11-18 math.OC
Model Predictive Control for Regular Linear Systems
目前的工作扩展了已知的有限维约束最优控制实现的领域，适定的定期线性无限维系统建模的偏微分方程。该方法利用保持结构的Cayley-Tustin变换，在不进行空间离散化或模型降阶的情况下，通过离散时间模型表示来逼近连续时间系统.利用离散时间模型的最优性，稳定性，输入和输出/状态约束的明确的方式占模型预测控制器的设计。所提出的模型预测控制器是双模的意义上说，预测控制器的状态转向一组指数稳定无约束反馈可以利用不违反约束。模型预测控制器的构造导致有限维约束的二次最优化问题易于通过标准数值方法求解。考虑了偏微分方程的两个典型例子。
2020-05-20 math.OC
Data-Driven Tube-Based Zonotopic Predictive Control With Nonconvex Layered Terminal Sets
Technical University of Munich, Germany（慕尼黑工业大学）；Politehnica Bucharest, Romania（布加勒斯特理工大学）
本文提出一种数据驱动的管基多边形预测控制（DTZPC）框架，采用非凸分层终端集以提升可行性。通过分离稳定性认证、可行性扩展和运动区域筛选，改进了传统方法的保守性。
2026-04-02 math.OC
Data/moment-driven approaches for fast predictive control of collective dynamics
Università di Verona（维罗纳大学）；Imperial College London（伦敦帝国学院）；RWTH Aachen University（亚琛工业大学）
本文针对大规模粒子系统集体动力学的高维特性导致传统MPC在线优化困难的问题，提出数据驱动（监督学习离线近似）和矩驱动（基于宏观量序贯线性化）两种替代方法，实现快速实时反馈控制，并通过数值实验验证了算法性能。
2024-02-23 cs.LG cs.MA math.OC
Recursively feasible Data-driven Distributionally Robust Model Predictive Control with additive disturbances
针对具有无界附加扰动的约束随机系统，提出了一种数据驱动的分布鲁棒模型预测控制框架。递归的可行性是通过优化线性内插的初态约束结合一个简化的仿射扰动反馈策略。我们考虑了一个基于矩的模糊集与数据驱动的半径为第二时刻的干扰，在那里我们得到一个最小样本个数，以确保用户给定的置信区间上的机会约束和闭环性能。最后通过一个数值算例，分析了基于不同样本量的绩效增益和机会约束满意度。
2023-03-06 math.OC
Moment-Driven Predictive Control of Mean-Field Collective Dynamics
研究了基于相互作用主体的动力学控制律的综合及其平均场极限。基于线性化的方法是用来计算次优反馈法从微分矩阵Riccati方程的解决方案。这种控制律的动态性能的量化导致理论估计的非线性动力学的合适的线性化点。随后，将反馈律嵌入到非线性模型预测控制框架中，根据线性平均场动态矩的动态信息，自适应地对控制进行及时更新.所提出的方法的性能和鲁棒性进行评估，通过不同的数值实验集体动力学。
2021-01-12 cs.NA math.NA math.OC
Tuning of multivariable model predictive controllersthrough expert bandit feedback
对于某些工业控制应用，捕获闭环性能中竞争目标之间的非平凡权衡的显式函数是不可用的。在这种情况下，通常的做法是使用人类固有的能力来隐式地学习这种关系，并手动调谐相应的控制器以实现期望的闭环性能。这种方法有其不足之处，因为在没有明确的校准度量的情况下，由于经验水平和偏好而导致的个体差异。此外，随着底层系统和/或控制器的复杂性的增加，为了实现更好的性能，调谐时间和相关联的调谐成本也增加。为了降低总体调整成本，本文提出了一种调整框架，由此使用监督机器学习来提取人类学习的代价函数，并且使用能够有效处理大量变量的优化算法来优化所提取的代价函数。考虑到在许多工业领域的实施和相应的调整过程中存在的相关的高自由度的兴趣，模型预测控制器应用于柴油发动机中的空气路径控制被调整用于展示框架的潜力的目的。
2020-02-10 cs.SY eess.SY math.OC
Willems' fundamental lemma for linear descriptor systems and its use for data-driven output-feedback MPC
本文研究离散广义线性系统的数据驱动预测控制问题。具体来说，我们给了一个定制的变体Willems的基本引理，这表明，通过汉克尔矩阵的非参数化建模的描述系统相比，线性定常系统没有代数约束需要更少的数据。此外，我们使用这种描述提出了一个数据驱动的框架离散时间线性广义系统的最优控制和预测控制。对于后者，我们提供了一个充分的稳定性条件，滚动时域控制之前，我们用一个例子来说明我们的研究结果。
2022-02-16 cs.SY eess.SY math.OC
Benefits of Feedforward for Model Predictive Airpath Control of Diesel Engines
本文研究了用前馈来补充柴油机气道反馈控制器的方案。控制目标是通过操纵EGR阀和可变几何涡轮（VGT）来跟踪进气歧管压力和排气再循环（EGR）率目标，同时满足状态和输入约束。反馈控制器基于基于速率的模型预测控制（MPC），其提供用于跟踪的积分动作。考虑前馈的两个选项，一个基于将前馈指定为发动机速度和燃料喷射速率的函数的查找表，另一个基于生成动态前馈轨迹的（非基于速率的）MPC。控制器的设计和验证使用高保真发动机模型在GT-电源，并利用低阶率为基础的线性参数变化（LPV）模型的预测，这是确定从瞬态响应数据生成的GT-电源模型。结果表明，前馈和反馈MPC的组合有可能提高控制设计的性能和鲁棒性。特别地，没有前馈的反馈MPC可能在低发动机速度下失去稳定性，而基于MPC的前馈导致最佳瞬态响应。前馈是能够协助稳定和提高性能的机制进行了讨论。
2022-05-11 cs.SY eess.SY math.OC
Asymptotic Stability of POD based Model Predictive Control for a semilinear parabolic PDE
University of Hamburg（汉堡大学）；University of Konstanz（康斯坦茨大学）
本文利用非线性模型预测控制方法，结合POD降阶策略，对半线性抛物型PDE进行稳定反馈控制设计，并通过数值实验验证了算法的渐近稳定性。
2014-09-27 cs.NA math.AP math.NA
Model predictive trajectory optimization and tracking for on-road autonomous vehicles
Samsung（三星）；The Ohio State University（俄亥俄州立大学）
自主车辆的运动规划需要时空运动规划（即状态轨迹）来考虑动态障碍物。这需要一个轨迹跟踪控制过程，它忠实地跟踪规划的轨迹。在本文中，提出了一种控制方案，首先优化规划的轨迹，然后使用反馈-前馈控制器跟踪优化的轨迹。前馈元件以模型预测的方式计算，其中成本函数关注驾驶性能。然后通过设计反馈-前馈控制器来保证误差动态的稳定性。控制系统的跟踪性能进行了测试，在一个现实的模拟情况下，控制系统必须跟踪规避横向机动。所提出的控制器在仿真中表现良好，可以很容易地适应不同的动态车辆模型。控制综合的唯一性解决方案消除了任何不确定性，可能会出现与底层的数学程序之间的数值求解器切换。
2018-11-11 cs.RO math.OC
Ellipsoidal partitions for improved multi-stage robust model predictive control
本文提出一种结合椭球管和场景树的改进多阶段鲁棒模型预测控制方法，通过超平面分划不确定性椭球实现独立控制，在人机系统中验证了其在处理不确定性和保持计算可行性方面的优势。
2025-09-16 cs.SY eess.SY math.OC
Model Predictive Control for T-S Fuzzy Markovian Jump Systems Using Dynamic Prediction Optimization
本文研究了受约束离散时间T-S模糊马尔可夫跳变系统的模型预测控制问题，提出了一种基于动态预测优化（DPO）-MPC的两阶段模糊控制器设计方法，通过离线设计动态反馈增益和在线确定控制器状态，平衡了初始可行域、控制性能与计算负担，并严格保证了系统的递归可行性与均方稳定性。
2024-08-27 cs.SY eess.SY math.OC
Robust Model Predictive Control with Polytopic Model Uncertainty through System Level Synthesis
针对多面体模型不确定性与加性扰动下的离散线性系统，提出基于System Level Synthesis的鲁棒MPC方法，联合在线优化LTV控制器与不确定性影响界，显著降低保守性且计算量相当。
2023-09-26 cs.SY eess.SY math.OC
Soft and Hard Scaled Relative Graphs for Nonlinear Feedback Stability
The University of Manchester（曼彻斯特大学）；National Sun Yat-sen University（国立中山大学）；KU Leuven（鲁汶大学）；University of Cambridge（剑桥大学）
本文基于软和硬缩放相对图分析非线性反馈系统的输入-输出稳定性，通过区分增量正性和增量被动性，提出无需弦假设的稳定性判定方法，适用于有界和无界的开环系统。
2026-05-10 cs.SY eess.SY math.OC
Nonlinear Covariance Steering using Variational Gaussian Process Predictive Models
本文研究了未知离散随机非线性系统的不确定状态的前两阶矩在有限时间内指向给定终端分布的问题。为了实现这一目标，首先，使用随机变分高斯过程回归从一组可用的训练数据点中学习非参数预测模型：这是一种强大且可扩展的机器学习工具，用于学习任意非线性函数的分布。其次，我们制定了一个易于处理的非线性协方差转向算法，利用高斯过程预测模型来计算反馈策略，将驱动系统的状态分布接近目标分布。特别是，我们实现了一个贪婪的协方差转向控制策略，在每个时间步线性化的高斯过程模型的最新预测的均值和协方差，解决了线性协方差转向控制问题，并只适用于第一控制律。最新的反馈控制策略下的状态不确定性，然后使用无迹变换与学习的高斯过程预测模型和算法进行到下一个时间步。数值模拟说明本文的主要思想。
2021-04-02 cs.SY eess.SY math.OC
Sparse Packetized Predictive Control for Networked Control over Erasure Channels
Graduate School of Informatics, Kyoto University（京都大学大学院信息学研究科）；School of Electrical Engineering & Computer Science, The University of Newcastle（纽卡斯尔大学电气与计算机工程学院）；Aalborg University（奥尔堡大学）
研究网络控制中丢包通道的反馈控制，通过稀疏优化减少数据量，保证系统稳定性。
2013-12-04 cs.SY eess.SY math.OC
Automatic Software and Computing Hardware Co-design for Predictive Control
Imperial College London（帝国理工学院）
本文提出了一种自动化MPC软件和计算硬件协同设计的框架，通过多目标优化算法BiMADS，在计算资源使用和控制器性能之间实现最优平衡。
2017-10-24 cs.SY eess.SY math.OC
Stabilization Based Networked Predictive Controller Design for Switched Plants
Jadavpur University（贾达普大学）
针对通信网络控制的切换直流电机对象，提出基于锥补线性化技术解决非严格线性矩阵不等式，设计稳定化状态反馈控制器。
2013-01-05 cs.SY eess.SY math.OC
SD-DPC: Sparse Dictionary Differentiable Predictive Control
Concordia University（康考迪亚大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
SD-DPC提出一种从数据学习稀疏可解释反馈策略的框架，结合SINDy识别与可微预测控制，以闭环性能选择字典项，在基准问题中满足约束且大幅降低计算开销。
2026-10-28 cs.LG cs.SY eess.SY
