Diffusion-Residual Model Predictive Steering Control for Vehicle Stabilization at the Limit of Handling under Model Uncertainty
Ajou University(韩国亚洲大学)
研究在模型不确定性下车辆极限操控时的稳定问题,核心方法是用条件扩散残差模型学习不确定性并应用于控制器参考值和约束,主要贡献是降低峰值侧滑、恢复低摩擦操控方向稳定性,且算法运行高效。
2026-07-14 cs.RO cs.SY eess.SY
A Switching Nonlinear Model Predictive Control Strategy for Safe Collision Handling by an Underwater Vehicle-Manipulator System
D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology(德·古根海姆航空航天工程学院,佐治亚理工学院);faculty of Electrical Engineering, Engineering Division, New York University Abu Dhabi(电气工程系,工程分校,纽约大学阿布扎克分校)
本文提出了一种切换非线性模型预测控制策略,用于水下车辆-机械臂系统安全处理碰撞,通过机械臂推离障碍物以避免损坏。
2026-01-26 cs.RO cs.SY eess.SY
Constraint Handling in Continuous-Time DDP-Based Model Predictive Control
Robotic Systems Lab, ETH Zurich(苏黎世联邦理工学院机器人系统实验室)
序列线性二次(SLQ)算法是著名的微分动态规划(DDP)技术的连续时间变体,具有高斯-牛顿海森近似。这一系列的方法已经获得了普及,在机器人社区,由于其在解决复杂的轨迹优化问题的效率。然而,基于DDP的制剂的一个主要缺点是它们不能适当地结合路径约束。在本文中,我们解决这个问题,通过设计一个约束SLQ算法,处理与以前实施的投影技术和一个新的增广拉格朗日方法的混合约束。通过提供一个适当的乘数更新法,并通过解决一个单一的内部和外部循环迭代,我们能够检索次优的解决方案,适合实时模型预测控制应用的速率。我们特别关注的不等式约束的情况下,三个增广拉格朗日罚函数,以及相应的乘数更新规则。然后,这些基准对一个放松的日志障碍制定在一个推车杆摆动的例子,避障任务,和一个物体推任务与四足移动机械手。
2021-03-26 cs.RO cs.SY eess.SY
Learning to Drift in Extreme Turning with Active Exploration and Gaussian Process Based MPC
State Key Laboratory of Industrial, Zhejiang University(工业-state重点实验室,浙江大学)
提出结合高斯过程回归与模型预测控制的模型校正漂移控制器,通过主动探索漂移速度来校正模型失配并最小化轨迹误差,仿真与实验证明其显著降低了横向与速度跟踪误差。
2025-06-01 cs.AI cs.RO cs.SY
A hierarchical adaptive nonlinear model predictive control approach for maximizing tire force usage in autonomous vehicles
针对自动驾驶车辆极限操控中的轮胎力饱和与路面摩擦变化问题,提出融合单轨模型、纵向载荷转移、UKF在线估计和底盘制动力分配的分层自适应NMPC框架,并在全尺寸车辆上验证有效性。
2023-04-24 cs.SY eess.SY
Comfortable Priority Handling with Predictive Velocity Optimization for Intersection Crossings
Honda Research Institute (HRI) Europe(本田欧洲研究院(HRI Europe));Honda Innovation Lab (HIL) Tokyo, Honda R&D Co., Ltd.(本田技研工业株式会社本田东京创新实验室(HIL Tokyo))
研究了具有通行权的四向交叉路口的运动规划问题。道路安全通常将责任分配给追尾碰撞中的跟随者和侧面碰撞中需要屈服的接近车辆。作为一种替代以前的模型的启发式状态机的基础上,我们提出了一个规划框架,根据给定的纵向或横向优先级规则改变其他汽车的预测模型(例如,他们的原型加速和减速)。结合最先进的轨迹优化方法ROPT(风险优化方法),这允许找到自我速度曲线,最大限度地减少曲线和所有相关车辆的风险,同时在监管条件下最大限度地提高效用(达到目标所需的时间)和舒适性(加速的变化和持续时间)。分析和统计评估表明,我们的方法是能够遵循的权利的方式为广泛的其他车辆的行为和路径几何。即使其他车辆以不符合优先级的方式行驶,ROPT也能实现良好的风险-舒适度权衡。
2023-03-14 cs.RO cs.SY eess.SY
Model Predictive Contouring Control for Vehicle Obstacle Avoidance at the Limit of Handling Using Torque Vectoring
Delft University of Technology(代尔夫特理工大学);University of Surrey(萨里大学);University of Eindhoven(埃因霍温大学);Politecnico di Torino(都灵理工大学)
本研究提出一种结合扭矩矢量的非线性模型预测轮廓控制方法,通过优化转向角和四轮纵向力,在操控极限下实现车辆避障,兼顾跟踪精度与稳定性,仿真验证了其优于无扭矩矢量或避障优先级的基线方法。
2024-05-17 cs.RO cs.SY eess.SY
On the design of regularized explicit predictive controllers from input-output data
在数据驱动预测控制的最新进展的浪潮中,我们提出了一个显式预测控制器,它可以只从一批输入/输出数据中构造。所提出的显式控制律建立在正则化隐式数据驱动预测控制问题的基础上,从而保证了显式预测控制器的唯一性。作为一个附带的好处,使用正则化,以提高能力的明确的法律,在应对噪音的数据。检索显式法律的有效性和噪声处理的正则化的影响进行了分析,两个基准的仿真案例研究,显示所提出的正则化显式控制器的潜力。
2021-10-22 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
Barrier Method for Inequality Constrained Factor Graph Optimization with Application to Model Predictive Control
Interdisciplinary Center for Security, Reliability and Trust (SnT), University of Luxembourg(信息安全、可靠性与信任跨学科研究中心(SnT),卢森堡大学);Department of Electrical and Computer Engineering (EIT), RPTU University Kaiserslautern-Landau(电气与计算机工程系(EIT),莱茵-瓦尔登堡大学凯撒斯劳滕-兰道分校);SnT University of Luxembourg(信息安全、可靠性与信任跨学科研究中心(SnT),卢森堡大学);Faculty of Science, Technology, and Medicine (FSTM), Department of Engineering(科学、技术与医学学院(FSTM),工程系);EIT, RPTU University Kaiserslautern-Landau(EIT,莱茵-瓦尔登堡大学凯撒斯劳滕-兰道分校)
针对因子图在最优控制中约束处理难的问题,提出融合障碍内点法与因子图的g2o开源扩展,通过专用不等式因子节点突破二次型局限,可统一处理等式与不等式约束,在自动驾驶自适应巡航控制任务中收敛更快、计算效率更高。
2025-06-17 cs.RO cs.SY eess.SY
A predictive modular approach to constraint satisfaction under uncertainty -- with application to glycosylation in continuous monoclonal antibody biosimilar production
KTH Royal Institute of Technology(皇家理工学院);Competence Centre for Advanced Bioproduction by Continuous Processing, AdBIOPRO(连续加工先进生物生产能力中心,AdBIOPRO)
本文提出了一种基于模块的预测方法,用于在不确定性下处理约束问题,通过案例研究展示了该方法在连续单克隆抗体生物类似物生产中糖基化约束满足中的有效性。
2026-01-19 cs.SY eess.SY math.OC
Stochastic Model Predictive Control Utilizing Bayesian Neural Networks
Yokogawa Insilico Biotechnology GmbH(横河因西利科生物技术有限公司)
集成测量和历史数据可以通过基于学习的技术增强控制系统,但确保性能和安全性具有挑战性。鲁棒模型预测控制策略,如随机模型预测控制,可以通过考虑不确定性来解决这个问题。高斯过程经常使用,但对于较大的模型和数据集有局限性。我们探索贝叶斯神经网络的随机学习辅助控制,比较其性能的高斯过程的污水处理厂模型。结果表明,贝叶斯神经网络实现了类似的性能,突出了它们作为控制设计替代方案的潜力,特别是在处理大量数据集时。
2023-03-25 cs.LG cs.SY eess.SY
Adaptive Handling of Deadline Misses via Stochastic MPC
Robert Bosch GmbH(罗伯特·博世有限公司);Saarland University(萨尔兰大学);Lund University(隆德大学)
本文针对实时控制系统的截止期限错过问题,提出控制驱动的混合超期策略,通过马尔可夫跳跃线性系统建模与场景树随机模型预测控制优化,在双积分器等线性基准上验证了方案的有效性。
2026-10-14 cs.SY eess.SY
Learning Model Predictive Control with Error Dynamics Regression for Autonomous Racing
Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);University of California Berkeley(加州大学伯克利分校)
本文提出一种学习模型预测控制策略,结合全局物理模型与局部线性误差动力学回归,在仿真、1/10比例硬件及全尺寸IAC赛车上验证,实现了高速操控极限下的鲁棒迭代学习。
2024-03-07 cs.RO cs.SY eess.SY
Design of neural nonlinear PFC Controller to control speed of Autonomous Car
在这项研究中,我们将设计一个神经非线性预测功能控制器(PFC),以实现减少燃料消耗的选择自动驾驶汽车步行根据已知道路上提供的速度轨迹。我们使用拟合神经网络作为一种简单的工具,用于对汽车的发动机和控制律进行建模,以计算传递给制动器和油门踏板执行器的适当控制命令。独立模型方法和约束处理被用来提供控制器的鲁棒性。我们使用MATLAB Simulink和IPG CarMaker来设计和测试我们的PFC控制器。所设计的PFC控制器的性能进行比较,存在于IPG CarMaker模拟器内的PI控制器的性能。关键词:预测函数控制器,燃油消耗,神经网络,独立模型,约束处理,PI控制器。
2019-09-23 cs.SY eess.SY
A Linear Parameter-Varying Approach to Data Predictive Control
Eindhoven University of Technology(埃因霍温理工大学);University of Stuttgart, Institute for Systems Theory and Automatic Control(斯图加特大学系统与自动控制系统研究所);Institute for Electrical Engineering in Medicine, Universität zu Lübeck(吕贝克大学医学电气工程学院);Systems and Control Lab, Institute for Computer Science and Control(计算机科学与控制研究所系统与控制实验室)
本文提出了一种基于线性参数变化方法的数据驱动预测控制策略,通过终端成分保证系统稳定性和可行性,并通过仿真验证其在非线性系统中的有效性。
2025-10-27 cs.SY eess.SY
Complementarity-constrained predictive control for efficient gas-balanced hybrid power systems
针对燃气轮机半连续运行区域,提出基于互补约束的预测控制方法,提升混合电力系统燃料效率,案例验证优于连续基线。
2024-04-10 cs.SY eess.SY
Data-driven Predictive Tracking Control based on Koopman Operators
The University of Melbourne(墨尔本大学)
针对数据驱动非线性系统控制的约束处理难题,结合神经网络与Koopman算子构建带约束收紧的KTMPC框架,证明其稳定性与可行性,并通过数值算例和自主地面车辆跟踪任务验证效果。
2023-10-04 cs.RO cs.SY eess.SY
Data-Driven Predictive Control with Adaptive Disturbance Attenuation for Constrained Systems
本文提出一种结合H-infinity控制与MPC的数据驱动预测控制方法,能根据系统状态和预测扰动动态调整扰动衰减性能,并在含噪数据下保证了闭环稳定性、约束满足和递归可行性。
2024-03-22 cs.SY eess.SY math.OC
Voltage Regulation in Polymer Electrolyte Fuel Cell Systems Using Gaussian Process Model Predictive Control
本研究提出利用高斯过程模型预测控制(MPC)同时调节氢气与空气流量以稳定聚合物电解质燃料电池系统电压,仿真表明该方法在满足约束下有效维持目标电压,且无需底层真实系统模型。
2024-03-24 cs.SY eess.SY
Safe and Non-Conservative Trajectory Planning for Autonomous Driving Handling Unanticipated Behaviors of Traffic Participants
针对自动驾驶轨迹规划中交通参与者未知运动带来的不确定性,提出一种基于SMPC的安全非保守控制方案,在场景允许时生成高效轨迹,若出现非预期行为则利用约束违反概率最小化技术降低碰撞概率或预期伤害。
2024-07-30 cs.SY eess.SY
Stochastic Data-Driven Predictive Control: Chance-Constraint Satisfaction with Identified Multi-step Predictors
提出一种数据驱动随机MPC框架,通过辨识多步预测器、代理状态空间模型量化不确定性并进行约束收紧,在含噪测量下保证机会约束并降低保守性。
2025-03-15 cs.SY eess.SY math.OC
Nonlinear Model Predictive Control for Enhanced Path Tracking and Autonomous Drifting through Direct Yaw Moment Control and Rear-Wheel-Steering
本文提出一种集成四轮转向、纵向轮胎力分配与直接横摆力矩控制的非线性模型预测控制方法,在紧急场景下通过超出稳定性包络的漂移显著提升路径跟踪性能。
2024-10-08 cs.SY eess.SY
Model-free Vehicle Rollover Prevention: A Data-driven Predictive Control Approach
本文提出基于数据使能预测控制(DeePC)的无模型防侧翻方法,利用降维技术提高实时性,经CarSim仿真验证,优于LMPC,能适应多变路况。
2025-03-26 cs.SY eess.SY
Event-triggered Robust Model Predictive Control under Hard Computation Resource Constraints
本文提出一种事件触发模型预测控制(ET-MPC)方法,通过分布式事件触发线性控制与约束收紧的鲁棒MPC相结合,降低最坏情况计算负载,在扰动下稳定多个非线性系统,显著降低中央服务器硬件需求。
2025-04-28 cs.SY eess.SY
Plug-and-Play Model Predictive Control for Load Shaping and Voltage Control in Smart Grids
University of California, Berkeley(加州大学伯克利分校);ETH Zurich(苏黎世联邦理工学院)
本文提出了一种用于处理智能电网中即插即用充电请求的预测控制器,通过分层控制方案优化系统成本,实现负载整形与电压控制。
2016-06-21 cs.SY eess.SY
Learning-based Approximate Model Predictive Control for an Impact Wrench Tool
ETH Zurich(苏黎世联邦理工学院);Hilti Corporation(喜利得公司)
本文提出基于高斯过程回归和神经网络的近似模型预测控制方法,用于实现冲击扳手的实时扭矩控制,提高跟踪精度并满足安全约束。
2025-12-18 cs.SY eess.SY
Ellipsoidal partitions for improved multi-stage robust model predictive control
University of Freiburg(弗赖堡大学)
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
End-Effector Stabilization of a 10-DOF Mobile Manipulator using Nonlinear Model Predictive Control
University of Waterloo(滑铁卢大学)
移动机械手(安装在移动基座上的机械臂)的运动控制对于复杂的任务(如材料和包装处理)可能具有挑战性。针对由7自由度机械臂和3自由度移动基座组成的10自由度移动机械臂,设计了一种基于非线性模型预测控制(NMPC)的任务空间镇定控制器。该系统模型是基于运动学模型的末端执行器的方向直接由旋转矩阵参数化。状态和控制约束以及奇异性约束显式地包括在NMPC制定。该控制器进行了测试,使用实时仿真,表现出高的定位精度与易处理的计算成本。
2021-03-24 cs.RO cs.SY eess.SY
Parallel Branch Model Predictive Control on GPUs
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)
该研究提出基于GPU的分支模型预测控制轨迹规划求解器,结合迭代LQR等方法,开发两种定制内部LQR求解器,在大规模轨迹规划问题上性能优于高性能CPU求解器。
2026-11-17 cs.RO cs.SY eess.SY
Model Predictive Controller with Average Emissions Constraints for Diesel Airpath
The University of Melbourne(墨尔本大学);Toyota Motor Corporation(丰田汽车公司)
本文提出一种模型预测控制器,旨在最大化燃油经济性的同时跟踪增压压力和废气再循环率参考值,并在存在不确定性时遵守输入、安全约束以及某些有限时间周期内的平均排放约束。
2019-05-15 cs.SY eess.SY
Real-Time Non-Smooth MPC for Switching Systems: Application to a Three-Tank Process
本文提出了一种用于三塔过程的实时非光滑MPC方法,通过结合Filippov系统建模和有限元技术,解决切换系统中的不连续性和离散模式问题,实现高效的实时控制与约束满足。
2025-12-10 cs.SY eess.SY
Model Predictive Control via Probabilistic Inference: A Tutorial and Survey
Nagoya University(名古屋大学);CyberAgent AI Lab(CyberAgent AI实验室)
本文综述了基于概率推断的模型预测控制(PI-MPC),介绍了其通过变分推断生成动作的方法,并探讨了该方法在机器人及其他控制应用中的理论与实践意义。
2026-04-08 cs.RO cs.SY eess.SY
Learning-based data-enabled economic predictive control with convex optimization for nonlinear systems
Nanyang Technological University(南洋理工大学)
本文提出了一种基于数据增强和凸优化的经济预测控制方法,用于优化非线性系统的经济性能并满足输出约束。
2025-12-29 cs.SY eess.SY
Traction Adaptive Motion Planning at the Limits of Handling
KTH Royal Institute of Technology(瑞典皇家理工学院);University of California Berkeley(加州大学伯克利分校);Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学)
在本文中,我们解决的问题,运动规划和控制的限制处理,在局部变化的牵引条件。我们提出了一种新的解决方案,其中牵引力的变化超过预测地平线表示随时间变化的轮胎力的约束,来自预测摩擦估计。一个有限时间的约束最优控制问题是解决在一个滚动时域的方式,施加这些时变约束。此外,我们的方法具有集成的采样增强过程,该过程解决了在突然的约束改变时出现的不可行性和对局部最小值的敏感性问题,例如,由于摩擦力的突然变化我们验证了所提出的算法在沃尔沃FH16重型车辆,在一系列的关键场景。实验结果表明,牵引力自适应运动规划和控制提高了车辆的能力,以避免事故,当适应于低局部牵引力,通过确保动态可行性的计划运动,当适应高局部牵引力,通过实现高牵引力利用率。
2021-11-18 cs.RO cs.SY eess.SY
Real-Time Model Predictive Control for Energy Management in Autonomous Underwater Vehicle
University of Michigan(密歇根大学)
本文提出了一种新的模型预测控制框架,用于自主水下机器人的能量最优点对点运动控制,通过将能量管理问题转化为两个阶段的冲程运动优化问题,以提高续航能力并降低计算复杂度。
2018-09-26 cs.SY eess.SY
Deep Learning Explicit Differentiable Predictive Control Laws for Buildings
Pacific Northwest National Laboratory(太平洋西北国家实验室)
针对未知非线性系统,提出了一种学习约束控制律的可微预测控制方法。DPC提出了一个近似的解决方案,多参数规划问题出现显式非线性模型预测控制(MPC)。与近似MPC相反,DPC不需要专家控制器的监督。相反,系统动力学模型是从观察到的系统的动态学习,神经控制律是离线优化利用可微闭环系统模型。一个可微的闭环系统和惩罚方法的约束处理系统的输出和输入的组合,使我们能够优化控制律的参数直接通过反向传播的经济MPC损失通过学习的系统模型。所提出的DPC方法的控制性能证明在模拟使用多区域建筑热动力学的学习模型。
2021-07-25 cs.LG cs.SY eess.SY
Unlocking feedforward capabilities in Model Predictive Control algorithms to deal with measurable disturbances
University of Almería(阿尔梅里亚大学)
提出一种在MPC中嵌入真正前馈能力的双控制结构框架,通过无控制代价的前馈动作实现可测扰动的完全补偿,并在DMC、GPC和状态空间MPC中验证有效性。
2026-06-05 cs.SY eess.SY
Towards Indirect Data-Driven Predictive Control for Heating Phase of Thermoforming Process
针对热成型工艺加热阶段过热导致材料浪费的问题,提出一种基于MPC和NARX模型的间接数据驱动预测控制方法,有效处理温度与功率约束,在仿真与实验中均实现了低超调和低稳态误差。
2024-07-24 cs.SY eess.SY
Model Predictive Control Tuning by Monte Carlo Simulation and Controller Matching
本文提出了一种系统的模型预测控制(MPC)阶段费用选择方法。我们将MPC反馈律与比例积分(PI)控制器相匹配,并通过高性能蒙特卡罗(MC)仿真有效地调整该控制器。PI调谐提供了广泛的调谐可能性,然后由MPC设计继承。PI控制器的MC仿真调整基于两个不同目标的最小化; 1)2范数跟踪误差,以及2)由2范数跟踪误差和2范数输入速率的运动惩罚组成的双目标。我们应用该方法设计MPC的绝热连续搅拌釜式反应器(CSTR)中进行的放热化学反应。该过程是感兴趣的,因为非线性动力学导致非常接近约束的期望操作点。我们的MPC设计包括自动设计的阶段成本,以匹配调整PI控制器,硬输入约束,和软输出约束。随机仿真结果表明,PI控制器和MPC都能跟踪期望的工作点。然而,MPC显示减少输出约束违反相比,PI控制器。因此,MPC设计方法成功地结合了PI控制器的有效调整与MPC的约束处理特性。
2022-12-05 cs.SY eess.SY
Data-driven $H_{\infty}$ predictive control for constrained systems: a Lagrange duality approach
本文提出基于 Lagrange 对偶的数据驱动 $H_{\infty}$ 预测控制方法,利用输入-输出-扰动数据并转化 minimax 优化,以降低受约束系统控制的保守性,仿真验证了其鲁棒性与可行性。
2025-03-17 cs.SY eess.SY math.OC
Classical Model Predictive Control of a Permanent Magnet Synchronous Motor
Technische Universität München(慕尼黑工业大学)
提出一种基于差分平坦、连续参数化和线性规划的次优模型预测控制方案,通过动态弱磁处理电压限制,实现快速平滑的转矩动态并提高高速运行时的功率效率。
2012-12-28 cs.SY eess.SY math.OC
DeePC vs. Koopman MPC for Pasteurization: A Comparative Study
Czech Technical University in Prague(布拉格捷克理工大学);Slovak University of Technology in Bratislava(布拉迪斯拉发斯洛伐克科技大学)
本文比较了DeePC与Koopman MPC在多变量过程控制中的性能,发现两者在约束控制和跟踪误差上表现相近,但Koopman MPC在选定成本下跟踪更紧密,而DeePC产生更平滑的输入轨迹。
2026-04-01 cs.SY eess.SY
Learning-Based Design of Off-Policy Gaussian Controllers: Integrating Model Predictive Control and Gaussian Process Regression
本文提出了一种非策略高斯预测控制框架,通过高斯过程建模优化过程并利用高斯过程回归学习模型预测控制算法,以实现更高效的最优控制。实验表明该方法在轨迹跟踪和避障任务中表现出良好的适应性和有效性。
2024-03-16 cs.RO cs.SY eess.SY
Automated Lane Merging via Game Theory and Branch Model Predictive Control
TU Delft(代尔夫特理工大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出融合搜索式规划、矩阵博弈与分支模型预测控制的车道汇入框架,可选择汇入间隙并应对周围车辆的 Nash 与 Stackelberg 不确定策略,真实密集交通数据验证了其有效性。
2025-02-17 cs.RO cs.SY eess.SY
Tube-Based Robust Control Strategy for Vision-Guided Autonomous Vehicles
Department of Electrophysics, National Yang Ming Chiao Tung University(电子物理系,阳明交通大学)
本文提出了一种基于管的鲁棒控制策略,用于提高自动驾驶车辆在高速转弯时的车道保持性能,通过减少保守性和提高计算速度,优于传统方法。
2026-10-14 cs.CV cs.RO cs.SY
Embedded Model Predictive Controller on Low-Cost Low-End Microcontroller for Electrical Drives
众所周知,在嵌入式平台上实现模型预测控制器(MPC)是具有挑战性的,因为在解决优化问题时相关的计算复杂性。虽然目前已有许多高效的嵌入式实现,但对于更快、更动态和非线性的控制应用,还没有成本效益和内存效率高的嵌入式解决方案。在本文中,我们展示了一个低成本的8位PIC 18系列微控制器,成本只有5美元的电机速度控制应用程序的嵌入式显式MPC的实现。无偏置的显式MPC被设计用于参考跟踪、约束处理和扰动抑制。所开发的控制律输出到低级C代码中,并用于HIL联合仿真。我们提出了各种操作场景下的内存需求和控制性能的结果。结果表明,所开发的嵌入式MPC利用约40%的RAM和92%的ROM的预测范围高达3个样本。所开发的MPC的性能与传统的PI控制器进行了比较。总体结果表明,所提出的方法是成本效益,便携式,并给出了更好的性能比PI控制器。
2021-05-18 cs.SY eess.SY math.OC
A Tutorial on Gaussian Process Learning-based Model Predictive Control
Concordia University(康考迪亚大学)
本教程系统阐述 GP-MPC 的回归基础、均值与方差多步传播近似的数学表述,并通过机器人路径跟踪和混合车辆编队验证其有效性。
2026-11-13 cs.LG cs.RO cs.SY
Model Predictive Control for Signal Temporal Logic Specifications with Time Interval Decomposition
本文研究了动态系统的模型预测控制(MPC)问题,其高阶指标由信号时序逻辑(STL)公式描述。最近的工作表明,MPC在处理反应式环境中的逻辑任务有很大的潜力。然而,现有的方法遭受沉重的计算负担,特别是对于具有大视野的任务。在这项工作中,我们提出了一个计算更有效的MPC框架STL任务的基础上时间间隔分解。具体来说,我们仍然使用标准的收缩时域MPC框架和混合线性规划(MILP)技术来解决开环优化问题。然而,而不是直接应用MPC的整个任务范围,我们分解的STL公式成几个子公式与不相交的时间范围,并收缩地平线MPC适用于每个短期子公式迭代。为了保证整个STL公式的满足性和迭代过程的递归可行性,我们引入了新的终端约束来连接每个子公式。我们展示了如何通过一个有效的内部近似方法计算这些终端约束。我们的方法的计算效率说明了一个案例研究。
2022-11-15 cs.FL cs.SY eess.SY
Cloud-Assisted Nonlinear Model Predictive Control for Finite-Duration Tasks
云计算通过提供强大的计算和存储能力为控制应用创造了新的可能性。在本文中,我们提出了一种新的云辅助模型预测控制(MPC)框架,在该框架中,我们系统地融合云MPC,使用高保真非线性模型,但受到通信延迟与本地MPC,利用简化的动态(由于有限的计算),但及时反馈。与传统的基于云的控制不同,将云视为网络系统控制设置中功能强大,远程和唯一的控制器,所提出的框架旨在无缝集成两个控制器以增强性能。特别是,我们正式的融合问题,明确考虑模型的不匹配和错误,由于请求-响应通信延迟的有限持续时间的任务。我们分析了所提出的云辅助MPC框架的稳定性,并建立了在此框架内鲁棒处理约束的方法,尽管工厂模型不匹配和干扰。一个融合方案,然后开发,以提高控制性能,同时满足稳定性的条件下,其功效与多个仿真例子,其中包括汽车控制的例子,以显示其工业应用潜力。
2021-06-20 cs.SY eess.SY math.OC
Deep DeePC: Data-enabled predictive control with low or no online optimization using deep learning
本文提出Deep DeePC方法,利用离线训练的深度神经网络学习DeePC向量算子,消除在线优化需求,并集成约束处理方案,实现了高效的非线性系统数据驱动预测控制。
2024-10-17 cs.SY eess.SY
LP-MPPI: Low-Pass Filtering for Efficient Model Predictive Path Integral Control
Institute of Robotics and Machine Intelligence, Poznan University of Technology, Poznan, Poland(机器人与机器智能研究所,波兹南技术大学,波兰波兹南);IDEAS Research Institute, Warsaw, Poland(IDEAS研究所,波兰华沙)
LP-MPPI通过低通滤波提高模型预测路径积分控制的效率,减少高频噪声,提升控制平滑度和性能表现。
2026-02-03 cs.RO cs.SY eess.SY
Differentiable Model Predictive Control on the GPU
Toyota Research Institute(丰田研究院)
本文提出GPU加速的可微分MPC求解器,利用序列二次规划与三对角预条件PCG实现并行化,显著加速训练,并成功应用于极限驾驶中的稳健漂移任务。
2025-10-07 cs.LG cs.SY eess.SY
Tiny Learning-Based MPC for Multirotors: Solver-Aware Learning for Efficient Embedded Predictive Control
Robora Lab, Queen’s University, Kingston, ON, Canada(罗博拉实验室,女王大学,金斯顿,加拿大)
本文提出Tiny LB MPC,一种协同设计的MPC框架与求解器,在53克多旋翼上实现100 Hz控制,跟踪性能平均提升43%,首次实现基于学习的MPC机载部署。
2025-10-15 cs.RO cs.SY eess.SY