Learning Models of Model Predictive Controllers using Gradient Data
本文研究了具有约束条件的模型预测控制器的辨识问题.我们提出了一种学习MPC的方法，该方法在训练过程中显式地使用梯度信息。这是由最近的可微凸优化MPC求解器可以提供从状态到控制输入的最优反馈律以及相应的梯度的观察所激发的。作为概念的证明，我们将这种方法应用于显式MPC（eMPC），其中反馈律是状态的分段仿射函数，但片段的数量随着状态维度的增加而迅速增长。这里，控制器识别可以用于找到控制器的近似的较低复杂度函数近似。eMPC用具有整流线性单元（ReLU）的神经网络（NN）建模，因为这样的NN可以表示任何分段仿射函数。一个动机是用神经网络代替在线求解器来实现MPC，并简化在较大输入维度中的函数的评估。在此框架下，我们还研究了实验设计和模型评估，并提出了一种用于输入设计的击中和运行抽样算法。所提出的算法的说明和数值评估的二阶MPC问题。
2021-02-03 cs.SY eess.SY
Fast Zonotope-Tube-based LPV-MPC for Autonomous Vehicles
在本文中，我们提出了一个有效的在线管为基础的模型预测控制（T-MPC）解决方案的自动驾驶，旨在提高计算负荷，同时确保鲁棒稳定性和性能在快速和干扰的情况下。通过将非线性车辆方程转化为线性变参数（LPV）形式，将非线性原问题转化为伪线性问题。提出了一种由标称控制器和校正局部控制器组成的控制方案。首先，局部控制器被设计为能够抑制外部干扰的多面体LPV-H $_{\infty}$控制器。此外，有限数量的精确可达集，也称为管，计算在线使用zonotopes考虑到系统的动态，本地控制器和diturbance不确定性的界限。其次，名义控制器被设计为MPC，其中LPV车辆模型用于加快计算时间，同时保持准确的车辆表示。该模型采用带拓扑的可达性理论，在线改变状态和输入约束，保证了模型在外生扰动下的鲁棒可行性和稳定性。最后，我们测试了所提出的方案，并将局部控制器性能与最先进的LQR设计进行了比较。我们证明了它的有效性，在一个受干扰的快速驾驶的情况下，能够拒绝强烈的外源性干扰，并以非常低的计算成本实现强加的约束。
2020-09-04 cs.SY eess.SY
Bilinear Data-Driven Min-Max MPC: Designing Rational Controllers via Sum-of-squares Optimization
针对未知离散时间双线性系统，提出一种基于含噪数据和集员表示的数据驱动 min-max MPC 方案，通过引入有理控制器参数化的 SOS 规划最小化最坏情况代价上界，并证明了其闭环稳定性与约束满足。
2025-04-07 cs.SY eess.SY
A Neural Network Architecture to Learn Explicit MPC Controllers from Data
我们提出了一种方法来学习明确的模型预测控制（eMPC）法律从样本数据点可调的复杂性。学习过程是在一个特殊的神经网络设置中进行的，其中两个线性层和一个参数二次规划（pQP）隐式层的系数被优化以拟合训练数据。由于这种公式化，可以利用机器学习社区的强大工具来通过高度并行化加速离线计算。最终的控制器可以通过低复杂度的eMPC部署，并且可以使用文献中可用的现有工具来验证所得到的闭环系统的稳定性。一个数值例子上的电压-电流调节的多单元DC-DC转换器，其中的存储和在线计算需求的初始控制器大大减少，可以忽略不计的性能影响。
2019-11-25 cs.SY eess.SY
Machine Learning Integrated with Model Predictive Control for Imitative Optimal Control of Compression Ignition Engines
压燃式发动机的高热效率和可靠性使其成为许多应用的首选。要想持续下去，就必须减少污染物的排放。一种解决方案是使用机器学习（ML）和模型预测控制（MPC）来最小化排放和燃料消耗，而不向发动机控制器增加大量计算成本。ML在本文中开发的建模发动机性能和排放，并模仿行为的线性参数变化（LPV）MPC。采用基于支持向量机的发动机性能和排放线性变参数模型，对4.5 Cummins柴油机进行了模型预测控制。与基准前馈生产控制器相比，这种在线优化MPC解决方案在最大限度地减少\nox排放和燃料消耗方面具有优势。为了降低MPC的计算成本，设计了一种深度学习方案来模仿所开发的控制器的行为。与康明斯生产控制器相比，模拟控制器在恒负荷下降低NOx排放的性能与在线优化MPC相似。此外，模仿控制器需要的计算时间比在线MPC优化少50倍。
2022-08-02 cs.SY eess.SY
MPC-Based Hierarchical Control of a Multi-Zone Commercial HVAC System
提出了一种基于模型预测控制（MPC）的多区域建筑物室内气候控制的新架构，以提供能源效率。与以前的作品不同，我们不假设高分辨率多区域建筑模型的可用性，这是具有挑战性的。相反，该架构使用低分辨率的建筑模型，该模型被划分为少量的“元区域”，可以使用现有的数据驱动建模技术轻松识别。所提出的架构是分层的。在更高级别，MPC控制器使用低分辨率模型来为空气处理单元（AHU）和元区域做出决策。由于元区域是虚构的，较低级别的控制器通过解决在两个潜在冲突的目标之间进行权衡的投影问题，将高级MPC决策转换为用于各个区域的命令：由MPC做出的AHU级别决策得到尊重，而各个区域的气候保持在舒适范围内。所提出的控制器的性能进行评估，通过模拟在高保真仿真试验台和相比，在实践中使用的基于规则的控制器。在多种天气条件下的仿真结果表明，所提出的控制器在节能，气候控制和计算易处理性方面的有效性。
2021-02-11 cs.SY eess.SY
Increasing Robustness of the Anesthesia Process from Difference Patient's Delay Using a State-Space Model Predictive Controller
Amirkabir University of Technology（阿米尔卡比尔理工大学）
本文提出基于状态空间模型预测控制器与扩展卡尔曼滤波器的麻醉控制方法，通过BIS指数和丙泊酚实现麻醉深度控制，实验表明该方法能有效提升对患者延迟偏差的鲁棒性。
2013-08-07 cs.SY eess.SY
Learning an Approximate Model Predictive Controller with Guarantees
University of Stuttgart（斯图加特大学）
本文提出一种监督学习框架，用于在降低计算复杂度的同时近似模型预测控制器，并保证稳定性和约束满足。通过结合鲁棒MPC设计和统计学习界限，为学习的MPC提供闭环保证。
2018-06-11 cs.LG cs.SY eess.SY
Cautious Bayesian MPC: Regret Analysis and Bounds on the Number of Unsafe Learning Episodes
本文研究了结合模型预测控制（MPC）的概念和后验采样技术，并提出了一个简单的约束收紧技术，在探索性学习情节引入谨慎。所提供的理论分析方面的累积遗憾集中在先前所述的充分条件，从而产生的“谨慎贝叶斯MPC”算法，并显示Lipschitz连续性的情况下，线性MPC问题的未来奖励函数。在非线性MPC问题的情况下，它表明，非线性MPC优化技术通常所需的假设提供了足够的标准，基于模型的RL使用后验抽样。此外，它表明，建议的约束收紧意味着在线性和非线性的情况下，使用软约束MPC制定的不安全的学习情节的预期数量上的界限。数值例子说明了该方法的有效性。
2022-09-21 cs.SY eess.SY
A safety governor for learning explicit MPC controllers from data
针对神经网络逼近MPC律时的约束安全问题，提出带安全治理器的双模学习型显式MPC结构，保证状态与输入约束及递推可行性，且更适合高维系统。
2025-07-21 cs.SY eess.SY stat.ME
A Safe Control Architecture Based on Robust Model Predictive Control for Autonomous Driving
提出了一种用于安全决策的鲁棒安全控制体系结构。被控系统是一个存在有界干扰的车辆。RSCA由两部分组成：Supervisor MPC和Controller MPC。管理器和控制器都是管MPC（TMPC）。Supervisor MPC为操作控制器提供安全证书，并在每个步骤中提供备用控制输入。在预测到操作控制器的不安全动作之后，控制器MPC接管系统。在本文中，提出了一种方法的终端集的计算，这是强大的对道路曲率的变化，并迫使车辆达到一个安全的参考。此外，本文还提供了两个重要的证明。首先，示出了备用控制输入安全地应用于系统以将车辆引导到安全状态。其次，证明了RSCA的递归可行性。通过对避障场景的仿真，验证了所提方法的有效性。
2022-06-20 cs.SY eess.SY
MPC for Energy Efficient HVAC Control with Humidity and Latent Heat Considerations
University of Florida（佛罗里达大学）
本文提出一种考虑湿度和潜热的MPC控制器，通过构建低阶数据驱动模型来改进HVAC控制，实验表明该控制器在模拟中优于传统规则控制器和未考虑湿度的MPC控制器，有效提升了舒适度和健康水平。
2019-03-11 cs.SY eess.SY math.OC
MPC-Inspired Reinforcement Learning for Verifiable Model-Free Control
本文提出一种形似线性MPC的QP求解器、参数由DRL训练的控制器，在保持持续可行性与渐近稳定性等可验证保证的同时，提升鲁棒性、计算效率和参数效率，并经车辆漂移实验验证。
2024-04-09 cs.LG cs.RO cs.SY
Distributed MPC: Guaranteeing Global Stabilizability from Locally Designed Tubes
University of Sheffield（谢菲尔德大学）
本文研究了分布式模型预测控制中常用的稳定性假设与控制器隐含不变性之间的基本关系，提出定理给出全局稳定性的充分条件，证明局部鲁棒控制器的约束可接受性足以保证闭环系统稳定，并探讨其与管式分布式MPC等复杂控制形式的关系。
2016-11-02 cs.SY eess.SY
A Data-Driven Automatic Tuning Method for MPC under Uncertainty using Constrained Bayesian Optimization
模型预测控制器（MPC）的闭环性能对预测模型的选择、控制器公式和整定参数很敏感。然而，预测模型通常针对预测精度而不是性能进行优化，并且MPC调谐通常手动完成以满足（概率）约束。在这项工作中，我们展示了一个通用的方法，自动调整MPC下的不确定性。特别是，我们制定的自动调谐问题作为一个受约束的黑盒优化问题，可以解决与衍生自由优化。我们依赖于贝叶斯优化（BO）的约束变体来解决MPC调整问题，该问题可以直接处理噪声和昂贵的评估功能。所提出的自动调整方法的好处是证明了一个基准的连续搅拌釜反应器的例子。
2020-11-24 cs.SY eess.SY
Stable MPC with maximal terminal sets and quadratic terminal costs
本文提出一种计算线性模型预测控制器二次终端成本的技术，使其在最大控制不变集内对所有状态有效，从而最大化递归可行状态集，确保渐近稳定性并便于控制器调参。
2024-06-04 cs.SY eess.SY math.OC
Plant and Controller Optimization for Power and Energy Systems with Model Predictive Control
本文探讨了电气化移动性的植物特性和控制器参数的优化。汽车和飞机等移动运输系统的电气化能够提高效率和成本等关键性能指标。然而，新组件内的电气和热动态之间的强双向耦合带来了集成挑战，增加了组件退化并降低了性能。减少这些问题需要新的工厂设计和控制策略。电气化移动性文献提供了关于工厂和控制器优化的先前研究，称为控制协同设计（CCD）。这些研究中的一个空白是缺乏模型预测控制（MPC），公认的管理多域动态电气化系统，CCD框架内。本文通过三个贡献来解决这个问题。首先，热电机械混合动力电动汽车（HEV）模型的开发，是适合植物优化和MPC。其次，同时植物和控制器优化进行此多域系统。第三，MPC集成在CCD框架内使用候选HEV模型。结果表明，同时优化植物和MPC参数可以减少超过60%的物理组件的大小和关键性能度量误差超过50%。
2020-10-14 cs.SY eess.SY
A Simple Robust MPC for Linear Systems with Parametric and Additive Uncertainty
针对约束不确定线性系统，提出了一种简单有效的鲁棒模型预测控制器（MPC）设计方法。将不确定性建模为系统动态矩阵上的附加干扰和附加误差。假设模型不确定性的每个分量的基于集合的界限是已知的。我们将约束收紧策略分为两部分，这取决于MPC水平的长度。对于一个地平线的长度，鲁棒MPC问题是完全解决的，而对于其他地平线的长度，模型的不确定性是过度近似的净附加组件。所得到的MPC控制器保证了状态和输入约束的不确定系统的闭环鲁棒满足。通过适当地设计终端元件和自适应时域策略，我们证明了控制器的递归可行性和原点的稳定性。通过数值模拟，我们证明了我们提出的方法获得了高达15倍的在线计算加速比管MPC策略，同时稳定约98 $\%$后者的吸引力区域。
2021-03-23 cs.SY eess.SY
Image-Based Model Predictive Control via Dynamic Mode Decomposition
我们提出了一个数据驱动的模型预测控制（MPC）框架，具有高的状态空间维数的系统。这项工作的动机是需要利用以图像形式出现的传感器数据（例如，热成像相机报告的2D或3D空间场）。我们建议使用动态模式分解（DMD）直接从图像数据建立一个低维模型，我们使用这样的模型来获得一个易于处理的MPC控制器。我们证明了这种方法（我们称之为DMD-MPC）的可扩展性，通过使用二维热扩散系统。在这里，我们假设热场的演化由50 x50像素的图像捕获，这导致2500维的状态空间。我们表明，这个高维空间的动态可以准确地预测，通过使用40维DMD模型，我们表明，该领域可以令人满意地操纵，通过使用嵌入低维DMD模型的MPC控制器。我们还表明，DMD-MPC控制器显着优于一个标准的MPC控制器，使用数据从一个有限的空间位置（代理位置）来操纵高维热场。这种比较说明了图像数据中嵌入的信息的价值。
2021-04-29 cs.SY eess.SY
A Hierarchical MPC Approach to Car-Following via Linearly Constrained Quadratic Programming
单车道跟车是自动驾驶的一项基本任务。一个理想的跟车控制器应该与前车保持一个合理的距离范围，并尽可能平稳地做到这一点。为了实现这一点，已经提出了许多控制方法：一些只依赖于本地传感;其他人也利用非本地下游观测。虽然局部方法能够衰减高频速度振荡并且计算经济，但非局部方法可以抑制更广泛的振荡流量，但会产生更大的计算成本。在这篇文章中，我们设计了一种新型的非本地三层MPC控制器，能够平滑大范围的振荡流量，并适合于实时应用。控制器设计的核心是1）基于ETA估计的可访问预测方法和2）专为处理各种车头时距约束而设计的鲁棒、轻量优化程序。数值模拟表明，所提出的控制器可以同时保持可变车头时距，而驾驶适度的加速度和不完善的交通预测是强大的。
2022-08-20 cs.SY eess.SY
Computationally Efficient System Level Tube-MPC for Uncertain Systems
本文提出一种基于滤波器的系统级管式MPC（SLTMPC），通过在线优化的扰动集过逼近加性扰动和模型不确定性，并引入异步计算方案降低复杂度，首次提供严格闭环保证，数值实验验证其有效性。
2025-05-26 cs.SY eess.SY
What price to pay? Auto-tuning a building MPC controller for optimal economic cost
Laboratoire d'Automatique, EPFL, 1015 Lausanne, Switzerland.（自动化实验室，EPFL，瑞士拉沃斯纳，1015）
本文提出利用约束贝叶斯优化自动调优MPC控制器，通过案例研究展示其在降低电力成本和优化需求侧管理程序方面的显著效果。
2026-05-01 cs.LG cs.SY eess.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
Direct transfer of optimized controllers to similar systems using dimensionless MPC
Faculty of Electrical Engineering and Computing, University of Zagreb（电子工程与计算学院，泽格里布大学）；Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（工程 cybernetics 系，挪威科学与技术大学（NTNU））
本文提出利用无量纲MPC直接转移优化控制器至相似系统的方法，通过自动调优实现闭环行为的直接转移，并展示了在cartpole摆起和赛车问题中的应用。
2025-12-09 cs.LG cs.SY eess.SY
Constrained Controller and Observer Design by Inverse Optimality
模型预测控制（MPC）通常通过试错法进行整定。当基线线性控制器存在时，该控制器在没有约束的情况下已经被很好地调谐，并且MPC被引入以执行它们时，人们希望避免在它们不活动时改变原始线性反馈律。我们将这个问题公式化为类似于[1]-[3]的控制器匹配，我们将其扩展到更一般的框架。我们证明了一个正定阶段的成本矩阵，产生这种匹配属性可以计算所有稳定的线性控制器。此外，我们证明了约束估计问题也可以解决类似的，通过匹配一个线性观测器与移动时域估计（MHE）。最后，我们讨论了在一些例子中所提出的技术的实际实施的各个方面。
2021-10-29 cs.SY eess.SY
Fast Calibration of a Robust Model Predictive Controller for Diesel Engine Airpath
The University of Melbourne（墨尔本大学）；Toyota Motor Corporation（丰田汽车公司）
本文提出了一种快速校准方法，通过改进控制器结构和重新设计MPC成本函数，减少有效调节参数数量，并采用约束紧缩方法提高鲁棒性，以实现柴油机空气路径控制的快速校准和性能优化。
2019-05-15 cs.SY eess.SY
Non-asymptotic Bounds of Learning-based Linear MPC With Input Constraints and Unbounded Stochastic Noise
University of Melbourne（墨尔本大学）
研究基于学习的线性MPC在有输入约束和无界随机噪声时的情况，采用确定性等价设计结合切换MPC控制律与在线RLS参数估计，推导非渐近稳定性界，数值实验验证了理论结果。
2026-07-16 cs.SY eess.SY
IMMPC: An Internal Model Based MPC for Rejecting Unknown Disturbances
University of Stuttgart（斯图加特大学）
提出基于内模原理的MPC方案，通过将扰动抑制转化为稳定性问题，在已知线性信号发生器动态下实现未知扰动抑制，保证可行性和约束满足。
2026-07-01 cs.SY eess.SY
Modulated MPC for Arm Inductor-less MVDC MMC with Reduced Computational Burden
针对MVDC固态Transformer应用，设计了一种无电感模块化多电平变换器的调制模型预测控制器。基本的最优化问题被制定为使得从高度精确的动态系统模型导出唯一的封闭形式的解，这显著地减少了计算时间。与其他封闭形式的方法不同，所提出的控制器实现无电感电流控制，具有降低的采样速度，使一种新的基于模型的循环能量补偿器，并且不需要调谐PI控制器来产生电流参考。仿真和实验结果表明，所提出的控制器实现了暂态潮流控制和稳态循环能量控制，尽管系统的惯性小。
2021-03-25 cs.SY eess.SY math.OC
Data-driven predictive control with estimated prediction matrices and integral action
本文提出了一种数据驱动的预测控制器的设计方法。在标准模型预测控制（MPC）算法中使用的预测矩阵通常使用诸如状态空间或输入-输出模型的系统模型的知识来构造。相反，我们直接估计的预测矩阵，未来的输出与当前和未来的输入测量数据，离线。在线，开发的数据驱动的预测控制器减少到解决一个二次规划的结构和复杂性类似的线性MPC。此外，我们开发了一个新的程序估计预测矩阵的预测控制器的数据与积分行动，对应于基于速率的制定线性MPC。所开发的数据驱动的预测控制器的有效性示出的直线电机模型的位置控制。
2021-04-11 cs.SY eess.SY
Nested Distributed Model Predictive Control
University of Sheffield（谢菲尔德大学）
本文提出一种针对线性时不变系统耦合动态的分布式模型预测控制方法，通过替换传统线性扰动抵消控制器为第二个MPC控制器，提升鲁棒性并去除对显式鲁棒不变集的依赖。
2016-10-28 cs.SY eess.SY
Obstacle avoidance-driven controller for safety-critical aerial robots
Hamburg University of Technology（汉堡工业大学）；Institute of Mechanics and Ocean Engineering（力学与海洋工程研究所）
本论文的目的是将控制障碍函数（CBF）与模型预测控制（MPC）相结合，提出一种新的模型预测控制障碍函数（MPCBF）。可以表明，由于MPC的时间范围增加，MPCBF的性能超过CBF的性能。此外，MPCBF应用于四旋翼，一个系统强烈需要快速和预测控制。使用MPCBF，四旋翼能够避开障碍物，CBF由于障碍物的相对速度而未能避开障碍物。这项工作的结果进行了实验验证。
2020-11-19 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
Modelling Controllers for Cyber Physical Systems Using Neural Networks
University of Colorado Boulder（科罗拉多大学博尔德分校）
模型预测控制器（MPC）被广泛用于控制信息物理系统。它是一个迭代过程，在固定的时间范围内优化机器人未来状态的预测。MPC在实践中是有效的，但是因为它们在计算上昂贵且缓慢，所以它们不太适合用于实时应用。克服这个缺陷可以通过近似MPC的功能来实现。神经网络是非常好的函数逼近器，并且与MPC相比更快。将神经网络应用于基于控制的应用是具有挑战性的，因为数据与i.i.d假设不匹配。本研究探讨各种模仿学习方法，使用神经网络在基于控制的环境，并评估其优点和缺点。
2022-12-21 cs.RO cs.SY eess.SY
Robust IMMPC: An Offset-free MPC for Rejecting Unknown Disturbances
本文提出一种无偏MPC方法，通过扩展内部模型MPC以应对一般有界扰动，实现无稳态误差控制，并在四塔系统上验证了控制器的有效性。
2026-04-01 cs.SY eess.SY
Model predictive controllers for reduction of mechanical fatigue in wind farms
United Technologies Research Center Ireland（联合技术研究院爱尔兰）；Università degli Studi di Pavia（帕维亚大学）
本文提出基于MPC的风场功率调度算法，通过引入风湍流ARMA预测器降低不确定性，实现机械应力的减少，验证了在大型风场中的有效性。
2015-03-22 cs.SY eess.SY math.OC
Stability analysis of Model Predictive Controllers using Mixed Integer Linear Programming
Linköping University（林雪平大学）
本文提出一种基于混合整数线性规划的工具，用于分析线性系统中模型预测控制器闭环稳定性，通过优化问题提供稳定性充分条件。
2016-04-04 cs.SY eess.SY math.OC
Data-driven distributionally robust MPC for constrained stochastic systems
在本文中，我们介绍了一种新的方法，分布式鲁棒最优控制，支持在线学习的模糊集，同时保证递归的可行性。我们引入了圆锥曲线可表示的风险，这是有用的，以获得易于处理的分布鲁棒优化问题的重新制定。具体来说，为了说明所介绍的技术，我们利用基于数据驱动的模糊集构建的风险度量，约束随机干扰的二阶矩。在最优控制设置，这样的时刻为基础的风险措施，导致听话的最优控制器时，结合仿射干扰反馈。假设的约束条件，保证递归的可行性。所得到的控制方案作为一个强大的控制器时，很少的数据是可用的，收敛到确定性等效控制器时，一个大的样本数意味着在估计的二阶矩的高置信度。这在一个数值实验中得到了说明。
2021-12-10 cs.SY eess.SY
Probabilistically safe controllers based on control barrier functions and scenario model predictive control
针对基于控制障碍函数的控制器短视、性能差及模型预测控制计算需求高的问题，提出仅在预测时域首步用场景法转化的确定性CBF约束实现概率安全的控制方法，给出无分布先验安全保证并通过无人机案例验证有效性。
2024-09-12 cs.SY eess.SY
Development of a Model Predictive Airpath Controller for a Diesel Engine on a High-Fidelity Engine Model with Transient Thermal Dynamics
本文介绍了柴油机气道调节模型预测控制器（MPC）的开发结果。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，同时满足状态和控制约束。MPC控制器的设计和验证使用高保真发动机模型GT-Power。该控制器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燃气轮机功率模型。结果表明，瞬态发动机热动力学影响的气道动态，特别是进气歧管压力响应，然而，MPC表现出鲁棒性对这些热动力学建模的不准确性。特别是，我们表明，MPC可以成功地实现使用基于速率的预测模型与两个输入（EGR和VGT位置）确定的数据与稳态壁温动态，但是，闭环性能可以得到改善，如果预测模型（i）是从数据与瞬态热动态，（ii）有燃料喷射率作为额外的模型输入。此外，解决了跨发动机操作范围的MPC校准过程以实现改进的性能。由于MPC校准被证明是敏感的操作条件，提出了一种快速的校准过程。
2022-02-25 cs.SY eess.SY math.OC
Self-tunable approximated explicit MPC: Heat exchanger implementation and analysis
本文提出一种自可调近似显式MPC策略，根据当前运行条件和参考变化自主调整整定参数，无需人工干预，并在非线性非对称换热器上验证其优于传统固定控制器。
2024-06-06 cs.SY eess.SY
Model-Agnostic Meta Learning for Differentiable MPC
inspire AG（inspire公司）
研究如何提升模型预测控制（MPC）的适应性，提出结合策略优化与元学习的框架，能快速适应未见任务并保持高性能，还集成系统识别优化超参数和预测模型，在球板系统验证了方法的卓越适应性。
2026-07-22 cs.SY eess.SY math.OC
Controller Adaptation via Learning Solutions of Contextual Bayesian Optimization
提出一种基于上下文贝叶斯优化与高斯过程学习最优解的控制器参数自适应框架，并在车联网仿真到实时实验中验证有效性。
2025-06-25 cs.SY eess.SY
Experimental Automatic Calibration of a Semi-Active Suspension Controller via Bayesian Optimization
道路车辆半主动悬架系统的下线（EoL）校准通常是一项关键且昂贵的任务，需要一个车辆和控制专家团队以及数小时的专业驾驶。在本文中，我们提出了一个纯粹的基于数据的调整方法，使自动校准的专有悬架控制器的参数依赖于很少的实验时间，并利用贝叶斯优化工具。还提供了一个详细的方法，如何选择最关键的自由度的算法。所提出的方法的有效性进行评估的商业多体模拟器以及一个真正的汽车。
2020-10-21 cs.SY eess.SY
A Fuzzy Cascaded Proportional-Derivative Controller for Under-actuated Flexible Joint Manipulators Using Bayesian Optimization
本文提出一种用于欠驱动柔性关节机械臂的模糊级联PD控制器，通过贝叶斯优化高效调参并证明其局部渐近稳定性，为欠驱动系统和模糊PID控制提供了新方法与新视角。
2023-09-14 cs.SY eess.SY
Iteration-Free Cooperative Distributed MPC through Multiparametric Programming
本文提出基于多参数规划的无迭代求解算法，用显式控制律函数同时求解替代迭代过程，显著降低了协作分布式模型预测控制的通信量与计算成本，并降低了系统延迟。
2024-12-03 cs.SY eess.SY
Model-Guided Local Bayesian Optimization for Tuning of Interpretable Controllers in Injection Molding
RWTH Aachen University（亚琛工业大学）；TU Delft（代尔夫特理工大学）
针对注塑成型中控制器优化难题，提出基于物理启发神经网络模型及高斯过程的方法，能自动优化可解释控制器，兼具循环效率和风险意识，优于传统贝叶斯优化。
2026-07-07 cs.SY eess.SY
MPC-Based Fast Frequency Control of Voltage Source Converters in Low-Inertia Power Systems
可再生能源发电的快速部署导致旋转系统惯性和阻尼的显著降低，从而使电力系统中的频率控制更具挑战性。提出了一种基于模型预测控制（MPC）的新型并网发电机控制方案，旨在充分利用并网发电机的快速响应能力为系统提供快速的频率控制服务。控制器操纵转换器功率注入以限制干扰后的频率最低点和频率变化率。集中式和分散式MPC方法被认为是性能和实际实施方面的比较。特别注意的是分散控制器生成一个明确的MPC解决方案，以提高计算效率，降低硬件要求。从高保真微分代数方程模型的IEEE 39节点系统的仿真结果表明，所提出的控制方案的有效性。
2020-04-06 cs.SY eess.SY
Reinforcement Learning for Optimal Control of a District Cooling Energy Plant
区域冷却能源工厂（DCEP）由冷水机组，冷却塔和热能储存（TES）系统组成，消耗大量的电力。利用时变电价优化TES和冷水机组的调度是一个具有挑战性的最优控制问题。传统的模型预测控制（MPC）方法需要求解高维混合整数非线性规划（MINLP），因为制冷机的开/关驱动和TES的充/放电在计算上具有挑战性。RL是一个有吸引力的替代MPC：实时控制计算是一个低维的优化问题，可以很容易地解决。然而，RL控制器的性能取决于许多设计选择。在本文中，我们提出了一个基于Q学习的强化学习（RL）控制器的这个问题。数值模拟结果表明，建议的RL控制器是能够减少能源成本超过基于规则的基线控制器约8%，与文献中报道的节省与MPC类似的DCEP。我们描述了RL控制器的设计选择，包括基函数，奖励函数成形和学习算法参数。与现有的DCEP强化学习的工作相比，所提出的控制器是针对连续的状态和动作空间设计的。
2022-03-14 cs.SY eess.SY
Bayesian model predictive control: Efficient model exploration and regret bounds using posterior sampling
严格的性能规格与操作限制相结合，使得模型预测控制（MPC）成为各种行业的首选方法。由于MPC控制器的性能取决于过程的足够准确的目标和预测模型，因此MPC设计过程中的大量工作致力于建模和识别。在可用系统数据量的增加和机器学习领域的进步的驱动下，已经开发了数据驱动MPC技术以促进MPC控制器设计。虽然这些方法能够利用可用数据，但它们通常不提供原则性机制来自动权衡可用数据的利用和探索以改进和更新目标和预测模型。为此，我们提出了一个基于学习的MPC制定后验采样技术，它提供了有限的时间遗憾的学习性能的界限，同时简单地实现使用现成的MPC软件和算法。基于后验抽样理论对该方法进行了性能分析，并以一个高度非线性的汽车-拖车动态系统为例说明了该方法的有效性。
2020-06-08 cs.SY eess.SY
Optimal Weight Adaptation of Model Predictive Control for Connected and Automated Vehicles in Mixed Traffic with Bayesian Optimization
针对混合交通环境下的互联自动车辆（CAV），提出了一种最优权值自适应模型预测控制（MPC）策略.我们将CAV和人类驾驶车辆（HDV）之间的相互作用建模为同时博弈，并制定了博弈论MPC问题，以找到博弈的纳什均衡。在MPC问题中，HDV目标函数中的权重可以使用移动时域逆强化学习在线学习。使用贝叶斯优化，我们提出了一种策略，以最佳地适应CAV的目标函数的权重，使预期的真实成本时，使用MPC在模拟中可以最小化。最后通过一个无信号交叉口的车辆过街算例验证了该优化策略的有效性。
2023-03-10 cs.SY eess.SY
Policy Optimization with Differentiable MPC: Convergence Analysis under Uncertainty
本文研究了结合梯度基策略优化与递归系统识别的方法，在不确定性下实现控制器设计的收敛性，并通过多个控制示例验证了该方法的有效性。
2026-04-14 cs.SY eess.SY math.OC
Scenario-based Nonlinear Model Predictive Control for Building Heating Systems
用于建筑物加热的最新模型预测控制（MPC）应用采用确定性控制器连同非线性模型或线性化模型连同随机MPC控制器。然而，确定性MPC只考虑一个单一的实现的干扰和它的性能强烈地依赖于质量的预测的干扰，这可能会导致低性能。事实上，不充分的建筑能源管理会导致高能源成本和CO $_2$排放。另一方面，线性化模型可能无法捕获受控建筑物的某些动态和行为。在这篇文章中，我们将一个基于随机神经网络的MPC（SBMPC）控制器与一个非线性Modelica模型相结合，该模型能够提供更丰富的建筑物描述，并比线性模型更准确地捕捉建筑物的动态。所采用的SBMPC控制器考虑通过统计精确模型获得的外部干扰的多个实现，从而考虑不同的可能的干扰演变和鲁棒控制动作。为此，我们提出了一种建筑物温度控制的情景生成方法，可以应用于几种外源扰动，例如太阳辐照度，外界温度，并满足几个重要的统计性质，与文献中采用的简单和不太准确的方法相比。我们通过几个模拟，我们将我们的方法与文献中的标准方法进行比较，以显示我们所提出的方法的好处，对于舒适度和能源成本之间的权衡参数的几种组合。我们展示了我们的SBMPC控制器方法如何优于文献中的标准控制器。
2021-05-20 cs.SY eess.SY
Early Stopping Bayesian Optimization for Controller Tuning
针对控制器参数整定中固定长度回合浪费的问题，提出早停贝叶斯优化方法，通过三种启发式处理部分观测数据，实验证明可大幅减少优化时间。
2025-01-20 cs.SY eess.SY
