Distributed Model Predictive Control for Energy and Comfort Optimization in Large Buildings Using Piecewise Affine Approximation
School of Intelligence Science and Engineering, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区智能科学与工程学院）；University of Alberta（阿尔伯塔大学）
本文提出一种基于分段仿射近似的分布式模型预测控制方法，通过凸ADMM算法提升计算效率，实现大型建筑能耗与舒适度的优化。
2026-02-05 cs.SY eess.SY math.OC
ACLM: ADMM-Based Distributed Model Predictive Control for Collaborative Loco-Manipulation
The Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院）
本文提出基于ADMM的分布式模型预测控制框架，用于四足机器人协作移动Manipulation，通过分解控制问题并结合力感知控制器，实现高效、实时的协作运输重物。
2026-03-07 cs.RO cs.SY eess.SY
Online Proximal-ADMM For Time-varying Constrained Convex Optimization
本文考虑了一个带成本和约束的凸优化问题，该问题随时间演化。要最小化的函数是强凸的，可能是不可微的，变量通过线性约束耦合。在这种情况下，本文提出了一种基于交替方向乘法（ADMM）的在线算法，跟踪时变问题的最优解轨迹，特别是，该算法由原始的近端梯度下降步骤和适当扰动的双上升步骤。本文推导出跟踪结果，渐近界，线性收敛结果。然后将该算法应用于一个多区域电网优化问题，数值结果验证了算法的有效性。
2021-01-12 cs.SY eess.SY math.OC
Learning-enabled Acceleration of Scenario-based Model Predictive Control
Department of Electrical and Computer Engineering, University of Central Florida（电气与计算机工程系，中央佛罗里达大学）
针对场景模型预测控制计算复杂的问题，提出学习加速的交替方向乘子法，通过重新表述问题、利用并行计算和莫罗包络学习加速求解，在微电网能量管理问题上评估，相比其他求解器有显著计算加速且保持控制性能。
2026-09-09 cs.LG cs.SY eess.SY
Distributed Model Predictive Consensus via the Alternating Direction Method of Multipliers
ETH Zurich（苏黎世联邦理工学院）
提出一种分布式优化方法，利用交替方向乘子法（ADMM）解决分布式模型预测一致性问题，实现双积分器网络的位置和速度一致性，并通过少量迭代达到接近集中式优化的闭环性能。
2012-12-06 cs.SY eess.SY math.OC
Flexible MPC-based Conflict Resolution Using Online Adaptive ADMM
在集中式方法不可行的许多地方，需要自主车辆的分散式冲突解决方案，例如，停车场、乡村道路、合并车道等。然而，现有的方法通常没有在分散式冲突解决中充分利用优化。我们提出了一个分散的冲突解决方法，自动驾驶汽车的基础上的一个新的扩展交替方向乘法器（ADMM），称为在线自适应ADMM（OA-ADMM），和模型预测控制（MPC）。OA-ADMM是为在线系统量身定制的，快速和自适应的实时优化至关重要，并允许使用有关物理系统的安全信息来提高实时控制的安全性。我们证明了在静态情况下的收敛性，并给出了在线收敛的要求。结合OA-ADMM和MPC，可以实现强大的分散式运动规划和控制，无缝集成分散式冲突解决方案。我们所提出的方法的有效性，通过模拟CARLA，一个开源的车辆模拟器，导致减少47.93%的平均增加的延迟相比，下一个最好的方法。
2021-03-25 cs.SY eess.SY
Model Predictive Tracking Control for Invariant Systems on Matrix Lie Groups via Stable Embedding into Euclidean Spaces
对于嵌入在欧几里得空间中的流形上的系统的控制器设计，利用需要周围欧几里得空间上的单个全局坐标系而不是流形上的多个局部图表或微分几何中的无坐标工具的理论是方便的。在这篇文章中，我们应用这样的理论来设计模型预测跟踪控制器的系统，其动态演变的流形上，并说明其有效性与全驱动刚体姿态控制系统。
2019-10-13 cs.SY eess.SY math.OC
Causal Tracking of Distributions in Wasserstein Space: A Model Predictive Control Scheme
针对Wasserstein空间分布跟踪最优解需预知参考轨迹的非因果问题，提出结合非因果解与预测模型的因果跟踪方案，构建模型预测控制及基于粒子法和离散最优质量传输的算法，仿真验证其用简单预测模型也有合理性能。
2024-09-13 cs.SY eess.SY math.OC
Stochastic Model Predictive Control for tracking of distributed linear systems with additive uncertainty
本文针对具有附加随机不确定性的分布式线性定常系统的参考跟踪问题，提出了一种机会约束随机模型预测控制方案。机会约束的均值方差信息的基础上重新解析，我们设计合适的概率可达集约束收紧。此外，机会约束被证明是满足闭环操作。不变集跟踪的设计补充了控制器，并确保收敛到任意容许的参考点，而有条件的初始化方案提供了递归可行性的基本属性。本文最后用一个数值例子，突出了收敛到不断变化的输出参考和经验约束的满足。
2023-03-06 cs.SY eess.SY math.OC
Ensemble Kalman Inversion for Constrained Nonlinear MPC: An ADMM-Splitting Approach
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Washington（华盛顿大学）
本文提出了一种基于ADMM的集合卡尔曼反演算法，用于解决带约束的非线性模型预测控制问题，通过引入非负松弛变量将阶段性非线性不等约束嵌入，并利用贝叶斯解释实现求解。
2026-03-24 cs.SY eess.SY math.OC
Fast Gradient Method for Model Predictive Control with Input Rate and Amplitude Constraints
研究了输入同时具有速率和幅值约束的动力系统模型预测控制（MPC）问题的计算效率。而不是增加的基本有限时域最优控制问题的决策变量，以适应输入速率的限制，我们建议解决这个问题，使用快速梯度法（FGM），其中的投影步骤是使用Dykstra的算法解决。我们表明，相对于交替方向的方法乘数（ADMM），这种方法大大减少了计算时间，同时减半的内存使用。我们的算法在C中实现，并使用几个例子证明其性能。
2020-03-12 cs.SY eess.SY math.OC
Robust economic model predictive control with zone tracking
针对离散时间不确定非线性系统，提出了一种带区域跟踪的鲁棒经济模型预测控制（EMPC）方法。所提出的设计确保了在有限的步骤中实现区域跟踪目标，同时优化了经济性能。在所提出的设计中，而不是跟踪原始的目标区域，一个鲁棒控制不变集内的目标区域被确定，并被用作在建议的EMPC跟踪的实际区域。这种方法确保了在有限步内实现区域跟踪目标，并且一旦实现区域跟踪目标（系统状态进入鲁棒控制不变集），系统状态就不再离开目标区域。为了优化区域内的干扰的存在下的经济性能，我们在控制器的设计中引入了风险因子的概念。提供了一种确定要跟踪的经济区的算法。风险因子决定了控制器的保守性，并提供了一种方法来调整EMPC更好的经济性能。一个非线性化学的例子来证明所提出的配方的性能。
2021-09-20 cs.SY eess.SY math.OC
Speed Tracking of a Linear Induction Motor - Enumerative Nonlinear Model Predictive Control
Beni-Suef University（贝尼苏韦夫大学）；Linköping University（林雪平大学）
针对直接转矩控制在低速跟踪时开关频率过高和电流转矩脉动大的问题，提出一种直接控制逆变器开关的枚举非线性模型预测控制器，仿真表明其跟踪性能优异且平均开关频率降低约95%。
2012-09-05 cs.SY eess.SY math.OC
Model Predictive Control for setpoint tracking
本文提出用于跟踪的模型预测控制（MPCT）方法，解决参考值变化时传统跟踪控制可能失去可行性与稳定性的问题，确保设定值的递归可行性和渐近稳定性。
2024-10-01 cs.SY eess.SY math.OC
Harmonic model predictive control for tracking sinusoidal references and its application to trajectory tracking
本文扩展了谐波模型预测控制（HMPC）以跟踪周期性正弦参考和任意轨迹，该方法保留了小预测时域下性能好、吸引域大且优化复杂度与参考周期无关的优势。
2025-04-01 cs.SY eess.SY
Perfecting Periodic Trajectory Tracking: Model Predictive Control with a Periodic Observer ($Π$-MPC)
Stanford University（斯坦福大学）；ETH Zürich（苏黎世联邦理工学院）
本文提出Π-MPC方法，通过周期观测器估计并补偿周期性扰动，与跟踪MPC结合实现渐近零误差跟踪，并在高维软体机器人和自动驾驶赛车实验中验证了其有效性。
2024-08-30 cs.RO cs.SY eess.SY
$π$MPC: A Parallel-in-horizon and Construction-free NMPC Solver
Johns Hopkins University（约翰斯·霍普金斯大学）；Tsinghua University（清华大学）；California Institute of Technology（加州理工学院）；University of Victoria（维多利亚大学）
本文提出了一种新的非线性MPC算法$π$MPC，结合了新的变量分裂方案和基于速度的系统表示，在ADMM框架中实现时间 horizon 并行执行，无需显式构造MPC到QP的问题。
2026-05-20 cs.SY eess.SY math.OC
Robust Trajectory Tracking Error Model-Based Predictive Control for Unmanned Ground Vehicles
Delft University of Technology（代尔夫特理工大学）；University of Leuven (KU Leuven)（鲁汶大学）
提出了一种新的基于误差的鲁棒轨迹跟踪控制方法。基于轨迹跟踪误差模型设计了一种线性模型预测控制器，其控制作用与前馈和鲁棒控制作用相结合。实验结果表明，所提出的控制结构是能够让牵引车拖车系统跟踪直线和曲线的目标轨迹与低跟踪误差。
2021-03-31 cs.RO cs.SY eess.SY
A Modular Framework for Distributed Model Predictive Control of Nonlinear Continuous-Time Systems (GRAMPC-D)
提出了一种用于分布式系统模型预测控制的模块化开源框架GRAMPC-D。模块化概念允许使用相同的问题描述以集中和分布式方式解决最优控制问题（OCP）。它是专门针对计算效率，重点是嵌入式硬件。分布式的解决方案是基于交替方向的乘法器（ADMM），并使用邻居近似的概念，以提高收敛速度。所提出的框架可以通过Cpp和Python访问，并且还支持网络上代理之间的即插即用和数据交换。
2020-10-23 cs.SY eess.SY
Learning based Predictive Error Estimation and Compensator Design for Autonomous Vehicle Path Tracking
National Key Lab of Vehicular Transmission, School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院车辆传动国家重点实验室）
模型预测控制（MPC）由于其处理各种类型的约束的能力而被广泛用于自主车辆的路径跟踪。然而，由于数学模型的误差或模型的线性化，存在着相当大的预测误差。在本文中，我们提出了一个框架，结合MPC与基于学习的误差估计器和前馈补偿器，以提高路径跟踪精度。一个极端的学习机来估计基于模型的预测误差，从车辆状态反馈信息。离线训练数据是从由模型缺陷的规则MPC控制的车辆中收集的，用于分别在几种工况下的路径跟踪。数据包括车辆状态以及当前实际位置与相应预测位置之间的空间误差。根据预测误差的估计值，设计了基于PID的前馈补偿器。通过Carsim的仿真结果表明，预测误差的估计精度和所提出的框架的自动驾驶汽车的路径跟踪的有效性。
2020-07-18 cs.RO cs.SY eess.SY
WarpMPC: Large-Batch MPC on GPU via ADMM with Unrolled $LDL^\top$ Factorization
Institute for Data Science in Mechanical Engineering (DSME), RWTH Aachen University（亚琛工业大学机械工程数据科学研究所）；Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
研究在GPU上求解大批量相同结构的顺序二次规划迭代以最大化吞吐量的问题，核心方法是基于问题实例稀疏性提出展开稀疏线性分解等优化，主要贡献是在多机器人基准测试中大幅提升吞吐量并展示实际应用价值。
2026-07-14 cs.RO cs.SY eess.SY
Distributed Multi-Building Coordination for Demand Response
针对多建筑协调控制中的最优控制问题，提出了一种分布式优化算法。由电网运营商协调的建筑物，加入需求响应程序，通过使用能量成本定义的标准来平衡电压浪涌。为了模拟建筑网络的层次结构，我们制定了一个分布式凸优化问题，可分离的目标和耦合仿射等式约束。一个变种的增广拉格朗日为基础的交替方向不精确牛顿（ALADIN）方法解决所考虑的一类问题，然后提出了一个收敛保证。为了说明所提出的方法的有效性，我们比较它的交替方向法的乘法器（ADMM）运行ALADIN和ADMM基于模型预测控制器的基准案例研究。
2021-01-13 cs.SY eess.SY math.OC
Distributed Optimization using ALADIN for MPC in Smart Grids
针对智能电网中的优化问题，提出了一种分布式优化算法。详细地说，我们提出了一种基于增广拉格朗日的交替方向不精确牛顿（ALADIN）方法的变体，该方法具有全局收敛保证，适用于所考虑的线性二次优化问题。我们建立了局部二次收敛的建议计划，并阐述其优势相比，交替方向乘法（ADMM）。特别是，我们表明，在更多的通信成本，ALADIN需要更少的迭代，以达到所需的精度。此外，它是数值证明的迭代次数是独立的子系统的数量。运行ALADIN和ADMM基于模型预测控制器的基准案例研究所提出的方案的有效性说明。
2020-04-03 cs.SY eess.SY math.OC
Real-time Gaussian Process based Approximate Model Predictive Trajectory Tracking Control for Autonomous Vehicles
TU Darmstadt（达姆施塔特工业大学）
本文提出基于高斯过程的近似模型预测控制方法，通过转换坐标系和引入名义前馈组件，提高数据效率，实验证明该方法在自动驾驶车辆上能更高效地实现轨迹跟踪控制。
2026-05-13 cs.SY eess.SY
GP-enhanced Autonomous Drifting Framework using ADMM-based iLQR
Zhejiang University（浙江大学）；ETH Zurich（苏黎世联邦理工学院）
提出融合 GP 残差补偿与基于 ADMM 的 iLQR 的分层自主漂移框架，显著提升轨迹跟踪精度与实时计算效率。
2025-03-14 cs.RO cs.SY eess.SY
Distributed Model Predictive Control with Reconfigurable Terminal Ingredients for Reference Tracking
各种努力已经致力于开发用于跟踪分段常数参考的稳定分布式模型预测控制（MPC）方案。在这些方案中，终端集通常离线计算，并用于MPC在线阶段，以保证递归的可行性和渐近稳定性。最大不变终端集不一定尊重网络的分布式结构，阻碍了控制器的分布式实现。另一方面，椭圆形终端集尊重分布式结构，但可能会导致保守方案。针对网络化动力系统的参考跟踪问题，提出了一种新的分布式MPC方法，该方法根据闭环状态在线重构终端成分，以缓解上述问题.由此产生的非凸无限维问题近似使用二次规划。所提出的方案进行了测试，在模拟中，建议的MPC问题，采用分布式优化解决。
2021-10-27 cs.SY eess.SY
Reduced Order Model Predictive Control For Setpoint Tracking
Stanford University（斯坦福大学）
本文提出了一种降阶模型预测控制方案，用于高维系统中的设定点跟踪，并通过离线线性规划确保约束满足。
2019-05-02 cs.SY eess.SY
GMPC: Geometric Model Predictive Control for Wheeled Mobile Robot Trajectory Tracking
针对移动机器人轨迹跟踪中现有方法未考虑构型流形约束的问题，提出基于李群李代数的几何MPC框架，通过凸化问题实现高效求解，跟踪平滑度优于现有非线性MPC，且公开了纯Python仿真平台。
2024-03-12 cs.SY eess.SY
Real-Time Nonlinear MPC via Sequential Quadratic Programming with Structure-Exploiting ADMM and Interior-Point Methods for Underactuated Double-Pendulum Swing-Up
University of Patras（帕特雷大学）
针对2026年IJCAI-ECAI竞赛的欠驱动双摆控制任务，提出基于序列二次规划的实时非线性模型预测控制方法，在CloudPendulum硬件上实现可靠的起摆稳定与抗扰性能。
2026-08-11 cs.RO cs.SY eess.SY
A sparse ADMM-based solver for linear MPC subject to terminal quadratic constraint
本文提出一种基于ADMM的稀疏求解器，直接处理线性MPC中的终端椭球二次约束，无需转化为SOC约束或引入额外变量，适用于嵌入式系统，并与其他方法进行了性能比较。
2024-04-29 cs.SY eess.SY math.OC
Adaptive Distributed Observer-based Model Predictive Control for Multi-agent Formation with Resilience to Communication Link Faults
针对带输入约束和未知通信故障的非线性多智能体编队跟踪问题，提出基于自适应分布式观测器的分布式MPC方法，分解问题为本地子问题求解，提升故障韧性并简化控制构建。
2024-10-31 cs.SY eess.SY
High-Accuracy Model Predictive Control with Inverse Hysteresis for High-Speed Trajectory Tracking of Piezoelectric Fast Steering Mirror
University of Electronic Science and Technology of China（电子科技大学）；School of Astronautics and Aeronautics（航空航天学院）
本文提出一种结合滞回逆模型的MPC方法，用于提升压电快摆镜在高速轨迹跟踪中的精度与鲁棒性。
2024-12-19 cs.SY eess.SY
Robust Model Predictive Path Integral Control: Analysis and Performance Guarantees
在本文中，我们提出了一种新的决策架构鲁棒模型预测路径积分控制（RMPPI），并研究其性能保证和越野导航的适用性。所提出的架构的关键组成部分是一个增强的状态空间表示的系统组成的名义和实际的动态，不同类型的跟踪控制器的占位符，标称状态传播的安全逻辑，并考虑到底层跟踪控制的能力的重要性采样方案。使用这些成分，我们推导出一个绑定的自由能增长的动力系统，这是一个功能的任务约束满足水平，底层跟踪控制器的性能，和随机优化RMPPI内使用的采样误差。为了验证自由能增长的约束，我们使用两种类型的跟踪控制器，即迭代线性二次高斯和收缩度量为基础的控制进行仿真实验。我们进一步证明了RMPPI在真实硬件中使用GT AutoRally车辆的适用性。我们的实验表明，RMPPI优于MPPI和Tube-MPPI缓解上述模型预测控制器的问题，无论是缺乏鲁棒性或过度保守。RMPPI在灵活性和对干扰的鲁棒性方面提供了两个世界中最好的。
2021-02-17 cs.SY eess.SY math.OC
A nonlinear model predictive control framework using reference generic terminal ingredients -- extended version
本文提出了一种准无限时域非线性模型预测控制（MPC）方案，用于跟踪一般参考轨迹。该方案适用于局部增量可镇定的非线性系统。对于这样的系统，我们提供了一个参考的一般离线过程来计算一个增量稳定的反馈与连续参数化的二次准无限地平线终端成本。因此，我们得到了一个非线性参考跟踪MPC方案的有效终端成本一般可达的参考轨迹，而不增加在线计算复杂度。作为一个推论，终端成本也可以用来设计非线性MPC方案，可靠地运行在线变化的条件下，包括不可达的参考信号。该方法的实用性与基准的例子证明。本文是已接受的论文[1]的扩展版本，并包含有关\textit{robust}轨迹跟踪（App.~ B）、连续时间动力学（App.~ C）、输出跟踪阶段成本（附录~ D）和与增量系统属性的连接（App.~ A）。
2020-03-11 cs.SY eess.SY math.OC
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
Online Computation of Terminal Ingredients in Distributed Model Predictive Control for Reference Tracking
一个分布式模型预测控制计划开发用于跟踪分段恒定的参考，其中的终端设置重新配置在线，而终端控制器离线计算。与许多标准的现有计划，该计划产生大的可行区域，而无需执行离线集中计算。虽然由此产生的最优控制问题（OCP）是一个半定规划（SDP），SDP的可扩展性方法的基础上对角优势是用来近似推导的SDP的二阶锥规划。所提出的方案及其近似的OCP服从分布式优化。这两种方案进行了评估，使用电力网络的例子，并进行比较的终端控制器在线重新配置的方案。结果发现，固定的终端控制器的结果在更好的性能，显着减少计算成本和类似的可行域的情况下，在该控制器在线重新配置。
2022-07-19 cs.SY eess.SY
Model predictive control for tracking using artificial references: Fundamentals, recent results and practical implementation
本文为采用人工参考作为决策变量的跟踪用模型预测控制提供全面教程，介绍其概念、优势与理论保证，调研线性及非线性扩展进展，探讨其在基于学习的MPC中的应用与实现优化问题。
2024-12-09 cs.SY eess.SY
Model Predictive Control Paradigms for Fish Growth Reference Tracking in Precision Aquaculture
在精密水产养殖中，主要目标是最大限度地提高生物量产量，同时最大限度地降低生产成本。这一目标可以通过优化对鱼类生长有强烈影响的因素来实现，例如摄食率，温度和溶解氧。针对精密水产养殖中具有代表性的生物能量生长模型，比较研究了三种模型预测控制（MPC）策略在鱼类生长参考跟踪中的应用。我们建议评估三个候选MPC配方的鱼类生长参考跟踪的基础上后退的地平线。第一MPC制剂跟踪期望的鱼生长轨迹，同时惩罚饲料配给、温度和溶解氧。第二MPC优化策略直接惩罚饲料转化率（FCR），这是食物量和鱼的增重之间的比率，同时最小化实际生长状态与给定的参考生长轨迹的偏差。第三种模型预测控制包括生长率轨迹跟踪、动态能量和食物成本之间的权衡。数值模拟，集成了一个现实的生物能鱼类生长模型的尼罗罗非鱼（Oreochromis niloticus）的说明，以检查三个建议的最优控制策略的比较性能。
2021-01-29 cs.SY eess.SY
Predictive Linear Online Tracking for Unknown Targets
ETH Zürich（苏黎世联邦理工学院）；inspire AG（inspire AG公司）；Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
针对未知非平稳运动目标，提出PLOT算法，利用带指数遗忘的递推最小二乘学习时变模型并结合滚动时域控制，证明动态遗憾为O(√(TV_T))，且在真实四旋翼上验证并开源。
2024-06-13 cs.LG cs.SY eess.SY
K-BMPC: Derivative-based Koopman Bilinear Model Predictive Control for Tractor-Trailer Trajectory Tracking with Unknown Parameters
针对参数未知的拖挂式车辆轨迹跟踪难题，提出基于导数的Koopman双线性模型预测控制方法K-BMPC，通过构建提升函数建立等价双线性模型，将控制问题转化为二次规划求解，兼具高跟踪精度与良好计算效率。
2024-05-14 cs.SY eess.SY
Model Predictive Control for Tracking Bounded References With Arbitrary Dynamics
本文提出一种MPC方法，通过引入人工参考作为决策变量，处理任意动态有界参考跟踪，保证递归可行性和跟踪误差渐近稳定，并仿真验证其有效性。
2025-03-26 cs.SY eess.SY
A Finite Element Method Approach for Trajectory Generation via Time-Optimal Control and Model Predictive Control Tracking
本文提出一种结合 Galerkin 加权残差法与序列凸规划求解时间最优控制的新框架，避免打靶法初始化难题，并采用模型预测控制跟踪开环最优轨迹以抑制扰动，通过 Dubins 汽车动力学验证其有效性。
2023-11-17 cs.SY eess.SY
Distributed Stochastic Model Predictive Control for an Urban Traffic Network
在本文中，我们设计了一个随机模型预测控制（MPC）交通信号控制方法的城市交通网络的外生（入/出）流量和下游交通流的转向比的估计中的不确定性考虑。假设交通模型参数是具有已知期望和方差的随机变量，交通信号控制和协调问题被表示为具有线性和二阶锥约束的二次规划。为了降低计算复杂度，我们提出了一种方法来分解对应于整个交通网络的优化问题成多个子问题。应用交替方向乘子法（ADMM），以分布式方式找到最优的随机交通信号分配。通过VISSIM和MATLAB仿真验证了所设计控制方法的有效性。
2022-09-02 cs.SY eess.SY
Model predictive control of wakes for wind farm power tracking
本研究提出一种考虑尾流动力学的风电场模型预测控制方案，通过结合Gaussian尾流模型与观测点估算风速和功率，将优化问题重构为混合整数二次约束二次规划在线求解最优偏航角与轴向诱导因子，实现良好功率跟踪与功率均匀分配，且具备实时性。
2024-05-21 cs.SY eess.SY
Adaptive Model Predictive Control for High-Accuracy Trajectory Tracking in Changing Conditions
Dynamic Systems Lab（动态系统实验室）；University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究 institute）
本文提出一种结合模型预测控制与L1自适应控制器的自适应模型预测控制器，用于在未知和变化的扰动环境下提高系统轨迹跟踪性能。通过实验验证，该方法在四旋翼无人机上表现出更低的轨迹跟踪误差。
2018-08-02 cs.RO 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
Sensitivity-based dynamic performance assessment for model predictive control with Gaussian noise
经济模型预测控制和跟踪模型预测控制是两种广泛应用于各个领域的先进控制策略。然而，在设计控制系统时，应该选择哪一个以在存在噪声的情况下实现更好的性能是不确定的。为此，提出了一种基于灵敏度的性能评估方法，在这项工作中，他们的动态经济和跟踪性能进行预评估。首先，通过计算相应的约束动态规划问题的灵敏度来评估它们在最优稳态附近的控制器增益。第二，控制器增益被代入控制回路，以导出过程和测量噪声的传播。随后，泰勒展开被引入，以简化每个变量的方差和均值的计算。最后，通过对目标函数和概率密度函数的积分，绘制跟踪性能曲面和经济性能曲面，并精确计算性能指标。此外，边界移动（即，回退）和目标移动可以被预先配置以保证使用所提出的方法的受控过程的稳定性。不同情况下的仿真结果表明，所提出的方法可以为性能评估和控制器设计提供有用的指导。
2022-01-05 cs.SY eess.SY math.OC
Suboptimal Nonlinear Model Predictive Control Strategies for Tracking Near Rectilinear Halo Orbits
近直线Halo轨道（NRHO）是围绕L1和L2拉格朗日点的Halo轨道的一个子类，是未来顺月空间中的月球网关和月球任务的分段轨道的有希望的候选者。闭环控制有利于补偿轨道摄动和潜在的不稳定性，同时保持航天器在NRHO和执行相对运动机动。本文研究了非线性模型预测控制（NMPC）与小推力作动器耦合用于NRHO的位置保持。数值仿真结果表明，NMPC能够将航天器稳定在参考轨道上，并能处理控制约束。此外，它表明，NMPC的计算负担可以管理使用专门的优化例程和次优的方法，而不会危及闭环性能。
2020-08-21 cs.SY eess.SY
A nonlinear tracking model predictive control scheme for dynamic target signals
提出了一种非线性模型预测控制（MPC）方法，用于动态目标信号的跟踪。该方案将稳定和动态轨迹规划结合在一层中，从而确保约束满足，而无论动态目标信号的变化如何。对于周期性的目标信号，我们确保指数稳定的最佳可达周期轨迹使用合适的终端成分和凸性条件的基本周期性最优控制问题。此外，我们引入了一个在线优化的终端集的大小，自动快速收敛和操作之间的权衡接近的约束。此外，我们展示了如何稳定和动态轨迹规划可以制定为部分解耦的优化问题，从而降低了计算需求，同时确保递归的可行性和收敛性。使所提出的设计的主要工具是一种新的参考通用离线计算，提供合适的终端成分跟踪动态参考轨迹。这种方法的实用性表现在基准测试的例子，这表明了优越的性能相比，最先进的方法。
2020-10-20 cs.SY eess.SY
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
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
Multi Object Tracking for Predictive Collision Avoidance
University of Zagreb（泽兰伯格大学）；Maharishi International University（玛哈拉吉国际大学）
针对自主移动机器人在复杂环境中的安全运行需求，提出基于激光雷达数据、结合集成卡尔曼滤波与改进动态窗口法的多目标跟踪及预测式避障方案，经仿真与实场景验证有效，为自主系统发展提供支撑。
2025-08-30 cs.RO cs.SY eess.SY
An ADMM-based Coordination and Control Strategy for PV and Storage to Dispatch Stochastic Prosumers: Theory and Experimental Validation
EPFL（洛桑联邦理工学院）
本文提出了一种双层控制协调框架，用于分布式能源资源，通过实时模型预测控制（MPC）和基于分布式优化的慢速MPC协调机制，实现对可调资源的功率流协调，以确保实时充足功率满足长期预设的能源轨迹。
2018-03-20 cs.SY eess.SY
Alternating Direction Method of Multipliers-Based Parallel Optimization for Multi-Agent Collision-Free Model Predictive Control
针对多智能体无碰撞控制问题，提出基于ADMM的并行优化框架，解决非凸MPC难题，并通过高效初始化提升计算效率，仿真验证优于多种基线方法。
2024-02-06 cs.MA cs.SY eess.SY
