Model-plant mismatch learning offset-free model predictive control
提出了模型-对象失配学习无偏置模型预测控制(MPC),它学习和应用内在的模型-对象失配,有效地利用基于模型和数据驱动控制策略的优点,克服每种方法的局限性。在这项研究中,在受控变量空间的稳态流形上的模型-植物失配映射近似通过一般的回归神经网络从每个设定点的稳态数据。尽管学习的模型-对象失配图可以提供平衡点处的信息(即,设定点),它不能在瞬态期间提供模型-被控对象失配信息。此外,固有的模型-设备失配可以由于操作期间的系统特性变化而变化。因此,我们另外应用补充干扰变量,该补充干扰变量是基于标称无偏移MPC方案从干扰估计器更新的。然后,将组合扰动信号应用于无偏置MPC的目标问题和有限时域最优控制问题,以提高控制器的预测精度和闭环性能。这样,我们就可以利用学习到的模型-对象失配信息和标称扰动估计器方法的稳定特性。闭环仿真结果表明,该方法能够正确地学习模型-对象失配,有效地提高无偏置MPC的模型-对象失配补偿性能。此外,我们研究的鲁棒渐近稳定性的开发的无偏置MPC计划,这是已知的是难以分析在标称无偏置MPC,通过利用学习模型植物失配信息。
2020-12-13 cs.SY eess.SY
Safe and Fast Tracking on a Robot Manipulator: Robust MPC and Neural Network Control
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);ETH Zürich(苏黎世联邦理工学院);University of Stuttgart(斯图加特大学)
快速反馈控制和安全保证在现代机器人中是必不可少的。我们提出了一种方法,通过结合新的鲁棒模型预测控制(MPC)与函数逼近通过(深)神经网络(NN),实现两者。其结果是一种新的方法,复杂的任务,非线性,不确定性和约束动力学是常见的机器人。具体来说,我们利用最近的MPC研究结果,提出了一种新的鲁棒的设定点跟踪MPC算法,实现了可靠和安全的动态设定点跟踪,同时保证稳定性和约束满足。所提出的鲁棒MPC方案构成了一个单层的方法,该方法通过基于参考和可能的障碍物位置直接计算控制命令来统一经常分离的规划和控制层。作为一个单独的贡献,我们展示了如何的MPC的计算时间可以大大减少近似的MPC法与神经网络控制器。NN是根据MPC的离线样本进行训练和验证的,产生统计保证,并在运行时间代替其使用。我们的国家的最先进的机器人机械手的实验是第一次表明,无论是建议的鲁棒性和近似MPC计划的规模,以现实世界的机器人系统。
2020-03-03 cs.LG cs.RO cs.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
Frontiers in Scalable Distributed Control: SLS, MPC, and Beyond
系统级综合(SLS)方法以易于理解、计算可扩展的方式促进大型信息物理网络的分布式控制。本文综述了SLS方法及其在非线性控制、MPC、自适应控制和控制学习中的相关扩展。为了说明基于SLS的方法的有效性,我们提出了一个案例研究的动力电网,通信约束,执行器饱和,干扰,和不断变化的设定点。这个简单但具有挑战性的案例研究需要使用模型预测控制(MPC),然而,标准的MPC技术往往规模不大,大型系统,并招致沉重的计算负担。为了解决这个问题,我们结合两个基于SLS的控制器,形成一个分层的MPC控制器。我们的控制器具有恒定的计算复杂度相对于系统的大小,给出了一个20倍的在线计算要求减少,并仍然实现了集中式MPC控制器的3%以内的性能。
2021-03-31 cs.SY eess.SY
Adaptive tracking MPC for nonlinear systems via online linear system identification
针对未知非线性系统控制问题,提出基于移动窗口在线线性辨识的自适应跟踪MPC方案,证明其最优可达平衡点的实际指数稳定性,仿真验证其性能优于基于基本引理的直接数据驱动MPC。
2024-05-16 cs.SY eess.SY math.OC
On the design of terminal ingredients for data-driven MPC
提出了一种模型预测控制(MPC)方案,仅使用测量的输入输出数据而不使用模型知识来控制线性定常系统。该方案包括一个终端成本和终端集约束的扩展状态包含过去的输入输出值。我们提供了一个明确的设计程序,相应的终端成分,只使用测量的投入产出数据。此外,我们证明了MPC计划的基础上,这些终端成分指数稳定所需的设定点在闭环。最后,我们说明了现有的数据驱动的MPC方法的优点与数值例子。
2021-05-25 cs.SY eess.SY math.OC
Configuration-Constrained Tube MPC for Tracking
本文提出一种配置约束管式MPC框架,用于在加性和乘性不确定性下跟踪变化参考,保证递归可行性和鲁棒渐近稳定性,并通过自动驾驶换道案例验证其有效性。
2024-05-06 cs.SY eess.SY math.OC
A Novel Cluster Classify Regress Model Predictive Controller Formulation; CCR-MPC
Active Building Research Programme(主动建筑研究计划);Imperial College London(帝国理工学院)
在这项工作中,我们使用机器学习领域的先进技术开发了一种新的数据驱动模型预测控制器。其目的是调节控制信号,以调节受外部天气状态间接影响的所需内部房间设定点温度。该方法涉及开发具有长短期记忆模型(LSTM)或梯度提升算法(XGboost)的时间序列机器学习模型,能够预测任何期望时间范围内的天气状态,并同时将控制信号优化到期望的设定点。用于将天气状态与控制信号一起映射到室温的监督学习模型使用先前开发的称为聚类分类回归(CCR)的方法来构建,该方法在风格上类似,但比众所周知的混合专家更好地扩展到高维数据集。称为CCR-MPC的整体方法涉及用于天气状态预测的时间序列模型、用于转发的CCR和用于解决逆问题的任何数值优化方法的组合。前向不确定性量化(Forward-UQ)倾向于CCR中的回归模型,可以使用贝叶斯深度神经网络或高斯过程(GP)实现。对于这项工作,在CCR调制中,我们采用K均值聚类进行聚类,XGboost分类器进行分类,五阶多项式回归进行回归。逆UQ也可以通过使用I-ES方法来求解逆问题或甚至公知的马尔可夫链蒙特卡罗(MCMC)方法来获得。所开发的CCR-MPC是优雅的,并且如在数值实验上所见,能够优化控制器以获得期望的设定点温度。
2021-01-15 cs.LG cs.SY eess.SY
Model Predictive Control of Non-Holonomic Vehicles: Beyond Differential-Drive
Institute of Engineering and Computational Mechanics, University of Stuttgart(斯图加特大学工程与计算力学研究所)
本文结合MPC理论与次黎曼几何,提出了一种基于齐次幂零系统近似的MPC控制器设计流程,用于将可控无漂移的非完整车辆引导至设定点,并证明非二次型代价函数对可靠实现闭环渐近稳定至关重要。
2022-05-23 cs.RO cs.SY eess.SY
Hierarchical RL-MPC for Demand Response Scheduling
本文提出融合 RL 与 LMPC 的分层需求响应调度框架,用于工业空分装置,在时变电价下兼顾约束、成本、鲁棒性与样本效率。
2025-02-19 cs.SY eess.SY
Robust adaptive MPC using control contraction metrics
本文提出一种基于控制收缩度量的鲁棒自适应MPC框架,通过位似管和集员估计在线更新参数不确定性,在保证约束满足与收敛性的同时降低保守性,并在平面四旋翼上验证其优势。
2023-07-11 cs.SY eess.SY math.OC
Comparative Field Deployment of Reinforcement Learning and Model Predictive Control for Residential HVAC
College of Engineering, Carnegie Mellon University, 5000 Forbes Ave, Pittsburgh, PA 15213, USA;Wilton E. Scott Institute for Energy Innovation, Carnegie Mellon University, 5000 Forbes Ave, Pittsburgh, PA 15213, USA;Center for High Performance Buildings, Purdue University, 177 S Russell St, West Lafayette, IN 47907, USA;Trane Technologies, Residential R\&D Group, 6200 Troup Hwy, Tyler, TX 75707, USA;Bosch Center for Artificial Intelligence
研究对比强化学习与模型预测控制应用于住宅暖通空调的情况,通过在寒冷气候住宅中各部署一个月,对比两者节能效果、居住者舒适度及数据需求等,发现RL节能略优、部署工作量少但面临初始化等困难。
2026-07-20 cs.LG cs.SY eess.SY
Linear tracking MPC for nonlinear systems Part I: The model-based case
针对非线性系统,提出了一种基于线性化动态模型的预测控制方法。在合理的假设下,线性化的动态,我们证明了建议MPC计划指数稳定的最佳可达平衡w.r.t.期望的目标设定点。我们的理论结果依赖于这样一个事实,即接近稳态流形,线性化的预测误差是小的,因此,我们可以沿着稳态流形滑向最佳可达平衡。闭环系统的稳定性主要取决于一个成本矩阵,它允许我们权衡性能,鲁棒性和吸引区域的大小。在一个非线性连续搅拌釜式反应器的应用程序中,我们表明,该计划,这只需要解决一个凸二次规划在线,具有可比的性能,非线性MPC计划,而计算显着更有效。此外,我们的研究结果提供了控制非线性系统的基础上依赖于数据的线性预测模型,我们在我们的同伴论文探索。
2022-04-14 cs.SY eess.SY math.OC
Data-fused MPC with Guarantees: Application to Flying Humanoid Robots
Artificial and Mechanical Intelligence (AMI), Istituto Italiano di Tecnologia (IIT)(人工与机械智能(AMI),意大利技术研究院(IIT));Robotics, Intelligent Systems and Control, KAUST(机器人、智能系统与控制,王国立阿联酋科学技术大学(KAUST))
本文提出了一种融合数据的模型预测控制方法,通过结合物理模型和数据驱动动态,提高了飞行双足机器人的跟踪精度和鲁棒性,同时保证了递归可行性和稳定性。
2025-12-16 cs.RO cs.SY eess.SY
An IoT Framework for Building Energy Optimization Using Machine Learning-based MPC
本研究提出了一种基于机器学习的MPC-IoT框架,通过ANN提供实时热模型参数来控制AHU系统,实现57.59%的节能并保持高用户满意度。
2024-08-23 cs.LG cs.SY eess.SY
Predictive Second Order Sliding Control of Constrained Linear Systems with Application to Automotive Control Systems
University of Michigan(密歇根大学);Michigan Technological University(密歇根理工大学)
本文提出了一种新的预测二次滑模控制器(PSSC)用于受约束线性系统的定值跟踪。通过结合模型预测控制(MPC)和二次离散滑模控制的概念,引入虚拟参考变量以保证控制器可行性,并在汽车发动机案例中验证了其性能。
2018-02-05 cs.SY eess.SY math.OC
Data-driven Identification of Occupant Thermostat-Behavior Dynamics
建筑居住者的行为导致建筑能源使用的显著差异,即使在自动化建筑中也是如此。用户对自动化的不信任导致他们覆盖设置。这导致响应不能满足占用者和/或楼宇自动化的目标。向电网交互式高效建筑的过渡将使这一点变得更加重要,因为复杂的建筑控制系统不仅要优化舒适度,还要优化不断变化的电力成本。本文提出了一种数据驱动的方法来研究热舒适行为动态,这是不捕获的标准稳态舒适模型,如预测平均投票。所提出的模型捕获的时间,它需要一个用户来覆盖一个恒温器设定点的变化作为手动设定点的变化幅度的函数。该模型使用ecobee Donate Your Data数据集进行训练,该数据集包含来自27,764个智能恒温器和占用传感器的5分钟分辨率数据。由此产生的人口水平模型显示,平均而言,2 ° F的覆盖将在约30分钟后发生。8 ° F超控将在约15分钟内发生,这表明不适的程度是导致超控不灵活性的关键因素。这种模型可以通过个性化控制来改善需求响应程序。
2019-12-13 cs.SY eess.SY
Generalized Reinforcement Learning for Building Control using Behavioral Cloning
诸如模型预测控制(MPC)的先进建筑物控制方法为消费者和电网运营商提供了显著的潜在益处,但是高计算要求已经成为更广泛采用的障碍。本地控制计算需要安装昂贵的计算硬件,而云计算引入了数据安全和隐私问题。在本文中,我们通过一种基于强化学习(RL)的方法(称为行为克隆)大大降低了高级建筑控制的本地计算要求,该方法将MPC策略表示为一个神经网络,可以在本地实现并在低成本可编程逻辑控制器上快速计算。虽然以前的RL和近似MPC方法必须针对每个建筑物进行专门的训练,但我们的关键改进是我们的控制器可以推广到许多建筑物,电费和恒温器设定点时间表,而无需额外的,密集型的再训练。为了提供这种多功能性,我们通过以下方式调整了传统的行为克隆方法:(1)约束通知参数分组(CIPG)方法,该方法提供了更有效的训练数据表示;(2)MPC引导的训练数据生成方法,该方法使用Dagger算法,提高了稳定性和约束满足度;以及(3)一种新的深度学习模型结构,称为逆时递归神经网络(RT-RNN),允许未来信息及时向后流动,以更有效地解释干扰预测中的时间信息。其结果是一个易于部署的,广义的MPC行为克隆,可以在可编程逻辑控制器上实现,并需要很少的建筑特定的控制器调整,减少了与实现智能住宅热泵控制相关的工作和成本。
2021-03-31 cs.SY eess.SY
Comparing Model-based Control Strategies for a Quadruple Tank System: Decentralized PID, LMPC, and NMPC
本文比较了四容水箱系统的分散式PID、LMPC和NMPC控制器,发现MPC在跟踪时变设定值上优于PID,NMPC跟踪误差略小但输入运动速率更高。
2025-09-14 cs.SY eess.SY math.OC
Exponential Weighting Model Predictive Control with Observer for Modular Multilevel Converters
TU Delft(代尔夫特理工大学);IIT (BHU)(印度理工学院(贝拿勒斯印度教大学));University of Illinois(伊利诺伊大学)
提出一种带指数代价函数的模型预测控制方案与观测器,增强模块化多电平换流器动态性能,解决大预测步长导致的数值病态问题,并保证闭环稳定性。
2026-06-16 cs.SY eess.SY
Recurrent neural network-based robust control systems with regional properties and application to MPC design
Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano(电子、信息与生物工程系,米兰理工大学);Istituto di Sistemi e Tecnologie Industriali Intelligenti per il Manifatturiero Avanzato, Consiglio Nazionale delle Ricerche(先进智能制造工业系统与技术研究所,国家研究院)
本文提出利用线性矩阵不等式设计递归神经网络系统的输出反馈方案,通过区域递增输入到状态稳定性实现恒定设定点跟踪,增强系统鲁棒性,并通过非线性MPC方法扩展吸引区域。
2026-03-25 cs.LG 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
Performance Analysis of Adaptive Dynamic Tube MPC
模型预测控制(MPC)是一种有效的约束系统控制方法,但在实际应用中经常会遇到外部干扰和建模误差的影响。为了解决这些问题,诸如管MPC(TMPC)的技术利用辅助离线生成的鲁棒控制器来确保系统保持在在线生成的轨迹周围的不变集(称为管)内。然而,TMPC是无法修改其管和辅助控制器,以响应不断变化的状态相关的不确定性,往往导致过于保守的解决方案。动态管MPC(DTMPC)解决了这些问题,同时优化所需的轨迹和管的几何在线。在此基础上,自适应DTMPC(ADTMPC)通过减少模型的不确定性,产生更好的模型近似,从而产生更准确的控制策略。本文针对一类不确定非线性系统,对TMPC、DTMPC和ADTMPC进行了实验分析和性能评价。特别是,DTMPC被证明优于TMPC,因为它是能够动态地适应不断变化的环境,限制积极的控制和保守的行为,只有当约束和不确定性的情况下,需要it.Apply到一个摆试验台,这使得DTMPC使用高达30%的控制工作,同时实现高达80%的速度更高。ADTMPC进一步提高了这一性能,将反馈控制工作量减少了35%,同时提供了高达34%的轨迹跟踪性能。这种分析建立了DTMPC和ADTMPC框架产生显着更有效的鲁棒控制政策的系统不断变化的不确定性,目标和操作条件。
2020-12-22 cs.SY eess.SY
Aerial Manipulation using Model Predictive Control for Opening a Hinged Door
Seoul National University(首尔国立大学)
现有的空中机器人与环境交互的研究主要集中在与静态环境的交互。然而,为了充分探讨空中操纵的概念,还应考虑与移动结构的相互作用。本文介绍了一种基于多旋翼的航空机械手,它可以打开日常使用的移动结构--铰链门。为了解决结构的受约束的运动,并避免在操作过程中的碰撞,模型预测控制(MPC)被应用到推导出的耦合系统动力学之间的空中机械手和门涉及状态约束。通过实施微分动态规划(DDP)的约束版本,MPC可以实时生成位置设定值的干扰观测器(DOB)为基础的鲁棒控制器,这是验证了我们的实验结果。
2020-03-18 cs.RO cs.SY eess.SY
Homothetic tube model predictive control with multi-step predictors
针对有界不确定线性系统,提出集成多步预测器的同伦管MPC框架,利用更小误差界减轻保守性,采用多速率公式解决不兼容问题,理论保证鲁棒递归可行性与稳定性,仿真验证了保守性与计算复杂度优势。
2023-11-20 cs.SY eess.SY math.OC
Robust offset-free nonlinear model predictive control for systems learned by neural nonlinear autoregressive exogenous models
本文针对NNARX模型描述的系统,提出一种结合δISS训练约束、显式积分作用和管道MPC的鲁棒无偏预测控制方案,实现恒定参考信号下的鲁棒零误差跟踪,并通过水加热系统仿真验证其有效性。
2023-08-11 cs.SY eess.SY
An Offset-Free Nonlinear MPC scheme for systems learned by Neural NARX models
Politecnico di Milano(米兰理工大学)
本文讨论了非线性MPC控制器的设计,它为神经非线性自回归外生(NNARX)网络描述的模型提供无偏移的设定点跟踪。NNARX模型是根据从工厂收集的输入输出数据识别的,并且可以给出具有由过去的输入和输出变量形成的已知可测量状态的状态空间表示,使得不需要状态观测器。在训练阶段,增量输入到状态稳定性(δISS)属性可以在与被控对象的行为一致时被强制。然后利用δISS属性对输出跟踪误差进行显式积分操作来增强模型,这允许实现对所设计的控制方案的无偏移跟踪能力。所提出的控制架构进行了数值测试的水加热系统和所取得的结果进行了比较,得分由另一个流行的偏移免费MPC方法,表明所提出的计划达到显着的性能,即使在存在的干扰作用于植物。
2023-01-13 cs.LG cs.SY eess.SY
Fixed-point Based Hierarchical MPC Control Design For a Cryogenic Refrigerator
CNRS, Univ. Grenoble Alpes, Gipsa-lab(法国国家科学研究中心,格勒诺布尔阿尔卑斯大学,吉普萨实验室);Univ. Grenoble Alpes, INAC-SBT(格勒诺布尔阿尔卑斯大学,INAC-SBT)
本文提出了一种简单通用的分层控制框架,通过连接焦耳-汤姆逊和布雷顿循环阶段验证了其有效性,能够处理不稳定连接问题,并允许通过调整协调器参数实现系统行为变化。
2017-03-17 cs.SY eess.SY
Flexible development and evaluation of machine-learning-supported optimal control and estimation methods via HILO-MPC
Otto von Guericke University Magdeburg(马格德堡奥托·冯·格里克大学);German International University Berlin(柏林德国国际大学);TU Darmstadt(达姆施塔特工业大学)
用于监测和控制的基于模型的优化方法,例如模型预测控制和最优状态和参数估计,已经在许多工程应用中使用了几十年。描述动态、约束和期望性能标准的模型是基于模型的方法的基础。由于最近在数字化、机器学习方法(如深度学习)和计算能力方面的技术进步,人们越来越有兴趣将机器学习方法与基于模型的方法一起用于控制和估计。使用机器学习进行基于模型的控制和优化的新方法和理论发现的数量正在迅速增加。本文概述了易于使用的Python工具箱背后的基本思想和原理,该工具箱可以快速有效地解决机器学习支持的优化,模型预测控制和估计问题。该工具箱利用最先进的机器学习库来训练用于定义问题的组件。它允许有效地解决由此产生的优化问题。机器学习可用于广泛的任务,从用于稳定、设定点跟踪、路径跟踪和轨迹跟踪的模型预测控制到移动时域估计和卡尔曼滤波。对于线性系统,它可以为嵌入式MPC应用程序快速生成代码。HILO-MPC具有灵活性和适应性,特别适合研究和基础开发任务。由于它的简单性和许多已经实施的例子,它也是一个强大的教学工具。可用性是强调,提出了一系列的应用程序的例子。
2022-03-25 cs.RO cs.SY eess.SY
Time Shift Governor-Guided MPC with Collision Cone CBFs for Safe Adaptive Cruise Control in Dynamic Environments
本文提出一种时移调节器引导的 MPC-CBF 方法,通过 TSG 动态调整目标参考并结合碰撞锥 CBF 约束,解决动态复杂环境下的自适应巡航安全控制问题。
2025-06-30 cs.SY eess.SY
Dynamic Tube MPC for Nonlinear Systems
在实际应用中,建模误差或外部干扰会严重影响模型预测控制(MPC)的性能。鲁棒MPC(RMPC)通过优化反馈策略解决了这一问题,但代价是增加了计算复杂度。管MPC是一种近似的解决方案策略,其中离线设计的鲁棒控制器使系统保持在在线生成的期望标称轨迹周围的不变管中。当然,这种分解是次优的,特别是对于具有变化的目标或操作条件的系统。此外,由于计算不变管的复杂性,许多管MPC方法无法捕获状态相关的不确定性,导致过度保守的近似。本文提出了一种适用于非线性系统的动态管MPC(DTMPC)框架,该框架同时优化了管的几何形状和开环轨迹。通过使用边界层滑动控制,管几何形状可以表示为控制参数和不确定性界限之间的简单关系;使得管几何形状动态能够以最小的计算复杂度增加被添加到标称MPC优化。此外,DTMPC能够利用状态相关的不确定性,以减少保守性,提高优化的可行性。DTMPC被证明稳健地执行避障和修改管的几何形状,以响应障碍物的接近。
2019-07-15 cs.SY eess.SY
Adaptive Model Predictive Control for Ground Vehicles: Review and Demonstrative Implementation
Department of Electrical and Electronics Engineering, BITS Pilani Goa(BITS 果阿分校电气电子工程系)
本文综述了自动驾驶车辆的自适应模型预测控制方法,分析传统模型预测控制的不足,涵盖多种自适应MPC类型,并通过仿真示范其在轨迹跟踪中的权重与速度自适应应用。
2026-08-19 cs.SY eess.SY
Safety-Gated Agentic Supervisory Control on a Coupled Distillation Benchmark: Regime Map, Auditable Gate, and Co-Design Findings
该研究针对耦合精馏基准,提出基于规则的分叉孪生反事实安全门控机制,结合DeepSeek-V4-Flash等模型,在目标获取、扰动抑制等任务上优于基准方法,可有效遏制有害操作。
2026-07-31 cs.LG cs.SY eess.SY
An ACO-MPC Framework for Energy-Efficient and Collision-Free Path Planning in Autonomous Maritime Navigation
School of Engineering, University of Strathclyde(斯特拉思克莱德大学工程学院);James Watt School of Engineering, University of Glasgow(格拉斯哥大学詹姆斯·瓦特工程学院);School of Power and energy, Northwestern Polytechnical University(西北工业大学动力与能源学院);School of Engineering, University of Birmingham(伯明翰大学工程学院)
针对坡道自动驾驶变道中安全与效率的平衡难题,提出一种集成规划器,利用不满意水平度量效率、箭头簇采样评估碰撞风险,仿真验证其能安全高效地选择变道时机与曲线。
2025-04-22 cs.RO cs.SY eess.SY
Recent advancements on MPC for tracking: periodic and harmonic formulations
针对经典MPC参考值变更或不可行导致优化失效的问题,本文总结了引入人工参考变量的跟踪MPC新公式,可保证稳定性与可行性,短预测时域下性能更优、吸引域更大。
2024-06-24 cs.SY eess.SY
Proto-MPC: An Encoder-Prototype-Decoder Approach for Quadrotor Control in Challenging Winds
Mechanical Science and Engineering, University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校机械科学与工程学院)
本文提出一种编码器-原型-解码器元学习模型并集成到模型预测控制中,形成Proto-MPC,以应对四旋翼在动态环境及侧风下的轨迹跟踪挑战,仿真验证其鲁棒性。
2024-05-21 cs.LG cs.RO cs.SY
Contingency Detection Integrated Model Predictive Control for Resilient Load Frequency Control
Wayne State University(韦恩州立大学)
针对电力系统故障引发的MPC-LFC预测不匹配问题,提出CDI-MPC框架,通过融合故障检测与预测调节提升闭环LFC性能,仿真验证其检测准确性与性能提升效果。
2026-08-06 cs.SY eess.SY
Efficient MPC for Emergency Evasive Maneuvers, Part II: Comparative Assessment for Hybrid Control
本文通过构建非线性MPC的混合形式,结合多种预测模型与约束近似,评估紧急避让机动中的计算效率与鲁棒性,证明该方法可实现实时控制并推动高水平自动驾驶落地。
2024-10-21 cs.SY eess.SY
Learning-based Model Predictive Control for Smart Building Thermal Management
Virginia Commonwealth University(弗吉尼亚联邦大学)
提出了一种基于学习的模型预测控制(MPC)方法,用于四区域智能建筑的热控制。我们的目标是尽量减少能源消耗和保持居民的舒适度。所提出的控制方案结合了学习与基于模型的控制。通过人工神经网络(ANN)在长期范围内估计建筑区域中的占用情况,并且将该数据馈送到基于模型的预测器中以获得室内温度预测。Energy Plus软件被用作实际的数据集提供者(天气数据、室内温度、能耗)。在模拟的每个步骤中解决包括实际和预测数据的优化问题,并生成加热/冷却系统的输入设定点温度。将该方法的结果与传统MPC结果进行比较,证明了该方法在节能(减少40.56%的制冷功耗和减少16.73%的制热功耗)和居民舒适度方面的显著更好的性能。
2019-09-11 cs.LG cs.NE cs.SY
Hierarchical RL-MPC Control for Dynamic Wake Steering in Wind Farms
Technical University of Denmark, Department of Wind and Energy Systems(丹麦技术大学,风能与能源系统系)
本文提出分层框架结合强化学习与模型预测控制,通过RL学习补偿状态估计供MPC控制器使用,实现23%的功率增益并优于理想MPC,相比直接RL控制在安全性和稳定性上更优。
2026-04-13 cs.LG cs.SY eess.SY
Optimized Control of Variable Speed Hydropower for Provision of Fast Frequency Reserves
本文研究了以优化系统性能为目标的变速水电站控制器设计问题。控制目标意味着能够快速响应频偏,同时保持电力和液压变量在其约束范围内。模型预测控制器(MPC)的开发,以协调涡轮机控制器与虚拟同步发电机(VSG)控制的电力电子转换器。仿真结果表明,VSG能够通过利用涡轮和发电机的旋转能量提供快速的功率响应。MPC控制涡轮机的导叶开度,以恢复标称涡轮机转速。如果由于液压系统的限制而无法实现,则MPC通过改变VSG功率参考来调节VSHP的功率输出。所提出的控制系统允许VSHP提供快速频率储备(FFR)。
2020-03-13 cs.SY eess.SY
Multi-Objective Model-Predictive Control for Dielectric Elastomer Wave Harvesters
这一贡献涉及多目标模型预测控制(MPC)的波能转换器(WEC)设备的概念,它可以收获的能量从海浪使用的介电弹性体发电机(DEG)功率输出系统。我们的目标是通过控制最大限度地提取能量,同时最大限度地减少对DEG的累积损害。参考随机波中的系统操作,我们首先通过求解最优控制问题来生成地面实况解,并且我们分析MPC性能以确定权衡计算精度和效率的预测范围。MPC方案中的固定权重可能会因海况变化而产生不可预测的成本,这意味着成本累积的平均速率可能会有很大变化。为了引导这种成本增长,我们提出了一种启发式算法,通过改变用于实现在固定时间内积累足够小的损害的长期目标的代价函数的权重来适应算法。仿真案例研究,以评估所提出的MPC框架和权重自适应算法的性能。所提出的启发式算法被证明能够限制累积损伤的量,同时保持接近(甚至提高)用可比的固定权重MPC获得的能量产量。
2022-12-07 cs.SY eess.SY
Advanced PID architectures for tracking changing active constraints
Norwegian University of Science and Technology (NTNU)(挪威科技大学)
本文提出了一种先进的PID架构(ARC)用于处理具有变化和可能冲突的约束的控制问题,通过两个案例研究展示了ARC在气体-液体分离过程和牛舍空气质量管理中的应用,证明了ARC在处理冲突约束时的有效性。
2026-08-13 cs.SY eess.SY
Optimization and scheduling for a large scale urban transportation system in a fast-changing world
本文提出了一套技术解决方案,利用优化和控制方法,可以在不久的将来实施,将现有的运输系统改造成更智能,互动的系统。这将改善公共服务和居民的生活质量。讨论了与人们日常生活密切相关的三个应用场景。首先,我们提出了一个交通灯调度策略,使用模型预测控制(MPC)的方法,目的是公平地减少行人和车辆的延误。在此基础上,提出了调度操作一体化系统以提高控制灵活性,并给出了相应的上车控制实现方案。最后,提出了一种将公共交通和自动驾驶汽车系统相结合的可能方案,以改善现有的公共交通系统。
2023-01-28 cs.SY eess.SY
Set-Point Tracking MPC with Avoidance Features
本文提出一种有限时域最优控制策略,在设定点跟踪MPC框架中引入人工变量与避障代价,实现避障功能,并保持递归可行性与输入到状态稳定性,通过数值示例验证。
2023-07-20 cs.SY eess.SY math.OC
Adaptive Economic Model Predictive Control: Performance Guarantees for Nonlinear Systems
ETH Zürich(苏黎世联邦理工学院)
本文提出了一种自适应经济模型预测控制方法,通过在线模型适应和管状方法,在非线性系统中实现鲁棒性和性能保证。
2026-01-15 cs.SY eess.SY math.OC
A map-based model predictive control approach for train operation
针对牵引条件快速变化导致的列车打滑问题,提出基于地图预知未来条件的MPC方法,通过多重打靶法生成参考轨迹并由MPC跟踪,仿真表明可在多种场景下避免打滑和滑动。
2023-04-24 cs.SY eess.SY math.OC
Bridging the Sim-to-real Gap: A Control Framework for Imitation Learning of Model Predictive Control
Korea Advanced Institute of Science and Technology(韩国科学技术院);Sookmyung Women’s University(淑明女子大学);Hanyang University(汉阳大学)
本文提出一种控制框架,通过确保DNN在与源域相同的环境中运行,有效弥合仿真到现实的差距,并引入输入细化控制器以增强系统在参数变化时满足MPC约束的能力。
2026-03-18 cs.SY eess.SY
LLA-MPC on Embedded Hardware: Rapid Adaptive Control with Thousands of Parallel Models
Carnegie Mellon University(卡内基梅隆大学)
提出LLA-MPC的通用实现,在嵌入式硬件上通过并行评估数千候选模型实现快速自适应控制,并在F1TENTH平台上验证其在高难度跟踪任务中的有效性。
2026-10-05 cs.RO cs.SY eess.SY
LLA-MPC: Fast Adaptive Control for Autonomous Racing
Electrical & Computer Engineering Department, Carnegie Mellon University(卡内基梅隆大学电气与计算机工程系);School of Electrical and Computer Engineering, Georgia Institute of Technology(佐治亚理工学院电气与计算机工程学院);Mechanical Engineering Department, Carnegie Mellon University(卡内基梅隆大学机械工程系);Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所)
LLA-MPC是一种无需学习的实时自适应模型预测控制框架,通过回看与前瞻机制快速应对轮胎-路面变化,在多种赛车场景中优于现有方法,适用于多路面高速自动驾驶赛车。
2025-05-26 cs.RO cs.SY eess.SY
Balancing Operators Risk Averseness in Model Predictive Control for Real-time Reservoir Flood Control
针对实时水库防洪中MPC因实际目标与偏好参数变化而难以求解的问题,提出参数化动态MPC(PD-MPC)框架,通过模型学习动态优化权重参数,并在韩国大清水库实验中优于标准MPC。
2025-03-29 cs.SY eess.SY
Efficient particle continuation model predictive control
Mitsubishi Electric Research Labs(三菱电机研究实验室)
本文提出粒子持续MPC方法,用于处理系统动态和约束在线离散变化的问题,通过在线控制器实现预测集的控制,并在最小时间问题中验证其有效性。
2015-09-09 cs.SY eess.SY math.OC
Real-time control of multiphase processes with learned operators
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文提出基于学习算子的模型预测控制框架,利用傅里叶神经算子预测相场演变,实现多相过程的闭环优化控制。
2026-03-26 cs.SY eess.SY physics.flu-dyn
Online Learning and Control for Data-Augmented Quadrotor Model
Institute of Computer Science, Czech Academy of Sciences(捷克科学院计算机科学研究所);University of West Bohemia(西波希米亚大学)
本文提出使用递归高斯过程在线辨识四旋翼空气阻力模型,并将其与基于物理的动力学模型结合,通过改进的模型预测控制实现更高精度的轨迹跟踪,仿真验证了该方法的有效性。
2024-12-28 cs.RO cs.SY eess.SY