Model Predictive Path Planning in Navier-Stokes Flow with POD-Based Reduced-Order Models
本文提出一种结合POD降阶模型与MPC的路径规划方法，用于在纳维-斯托克斯流中实现高效实时控制。
2025-11-27 cs.SY eess.SY math.OC
Reduced-Order Model Predictive Control of a Fish Schooling Model
研究了Gautrais等人提出的鱼类集群模型的模型预测控制（Annales Zoologici Fennici，2008）问题。由于其吸引/对齐/排斥法律模型的高度非线性表明，需要使用MPC控制鱼群的运动。然而，对于大型学校，法律的混合性质可以使它在MPC中执行有限范围优化的数字要求。因此，本文提出了减少鱼集群模型的数值效率MPC的减少是基于使用学校中的个体鱼的方向的加权平均。我们分析表明，如何使用归一化的特征向量中心的相互作用网络可以产生一个更好的减少比较减少误差。我们证实了这一发现的重量和数值效率的MPC与降阶模型的数值模拟。拟议的削减使我们能够控制一所最多500人的学校。此外，我们确认，减少与归一化的特征向量中心，使我们能够提高控制精度的五倍相比，使用恒定的权重。
2023-03-04 cs.SY eess.SY
(Stochastic) Model Predictive Control -- a Simulation Example
该研究聚焦考虑概率约束的随机模型预测控制，以受不确定性影响的简单线性系统为示例，提供了可在线获取的对应Matlab实现代码。
2023-07-22 cs.SY eess.SY
A Sphere Decoding Algorithm for Multistep Sequential Model Predictive Control
本文研究了两种模型预测控制概念--顺序模型预测控制和长时间模型预测控制在电力电子系统中的结合。为了实现顺序模型预测控制，优化问题分为两个子问题：第一个总结所有的控制目标，线性依赖于系统的输入。序贯模型预测控制一般要求对第一个子问题获得多个解。由于有限控制集模型预测控制电力电子系统的混合整数性质，本文提出了一种特殊的球形译码器。第二个子问题由所有这些控制目标，非线性依赖于系统的输入，并解决了一个穷举搜索。通过对三电平中点箝位式永磁同步发电机风力发电系统在不同情况下的仿真，并与其他长时域模型预测控制方法进行比较，验证了该方法的有效性
2020-11-24 cs.SY eess.SY
Data-enabled predictive control with instrumental variables: the direct equivalence with subspace predictive control
直接数据驱动控制吸引了大量的兴趣，因为它使基于优化的控制，而不需要一个参数模型。本文提出了一种新的数据使能预测控制（DeePC）的工具变量~（IV）方法，该方法具有良好的噪声抑制特性，并证明了DeePC和子空间预测控制（SPC）之间的直接等价性。该方法依赖于沿着子空间识别算法的DeePC中的特征方程的推导。IV的一个特定的选择是不相关的未来的噪声，但在同一时间高度相关的数据矩阵。仿真研究表明，所提出的算法在存在过程和测量噪声的情况下，性能得到了改善。
2022-09-12 cs.SY eess.SY
An Improved Approach for Output Feedback Model Predictive Control of Hybrid Systems
本文针对LPV及混合系统提出一种基于准最小-最大算法的改进鲁棒模型预测控制方案，通过新代价函数和不确定性处理，在LMI输入约束下保证鲁棒稳定性并减少切换扰动。
2023-11-29 cs.SY eess.SY
Dissipativity in economic model predictive control: beyond steady-state optimality
本章提供了一个简明的调查不同的耗散条件，出现在经济模型预测控制的文献，并讨论了他们在这方面的决定性作用。
2019-11-22 cs.SY eess.SY
On the relationship between data-enabled predictive control and subspace predictive control
数据使能预测控制（Data-enabled predictive control，DeePC）是一种将系统辨识、估计和控制结合在一个优化问题中的新方法。子空间预测控制（SPC）方法也有相同的前提，其中根据DeePC所需的相同数据识别多步预测模型。然后，该模型被用来制定一个类似的最优控制问题。在这项工作中，我们研究了DeePC和SPC之间的关系。我们的主要贡献是证明SPC在确定性情况下等同于DeePC。我们还表明，这两种方法的等价性在一个特殊的情况下，非确定性的制定。我们研究了DeePC相对于SPC（有和没有测量噪声）的优点和缺点，并通过仿真示例进行了说明。
2021-04-01 cs.SY eess.SY
Comparative Analysis of Data-Driven Predictive Control Strategies
K. N. Toosi University of Technology（K. N. Toosi理工大学）
本文比较了三种数据驱动预测控制策略，分析其理论基础、假设及应用，通过数值实例评估性能。
2026-05-15 cs.SY eess.SY
Closed-loop Data-Enabled Predictive Control and its equivalence with Closed-loop Subspace Predictive Control
本文提出闭环数据驱动预测控制框架CL-DeePC，利用工具变量合成一致预测器以克服闭环辨识偏差，并证明其与CL-SPC等价，仿真显示参考跟踪性能显著提升且对噪声敏感性降低48%。
2024-02-22 cs.SY eess.SY
Safe Stochastic Model Predictive Control
对安全关键型系统进行有效和安全的控制是一项挑战。鲁棒方法可能过于保守，而概率控制器需要在效率和安全之间进行权衡。在这项工作中，我们提出了一个安全的算法，是兼容的任何随机模型预测控制方法的线性系统添加剂的不确定性和多面体约束。该安全算法允许使用随机模型预测控制的乐观控制输入，只要安全的备用计划器可以确保安全性，以满足受有界不确定性的硬约束。除了保证安全的行为，所提出的随机模型预测控制算法保证递归的可行性和输入到状态稳定性的系统起源。安全的随机模型预测控制算法的好处是在数值模拟中证明，突出的优点相比，纯粹的鲁棒或随机预测控制器。
2022-09-15 cs.SY eess.SY
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
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
Implementation of Linear Model Predictive Control -- Tutorial
本教程概述了具有线性离散时间系统和约束状态和输入的模型预测控制。重点是在考虑稳定性和递归可行性的情况下实现该方法。示例和绘图的MATLAB代码可在线获得。
2021-09-24 cs.SY eess.SY
An assisting Model Predictive Controller approach to Control over the Cloud
Lund University（隆德大学）；Ericsson Research（爱立信研究）
本文提出了一种具有渐进退化的计算卸载策略，用于在云上执行模型预测控制，通过模拟复杂物理系统在高频下的控制，展示如何利用边缘计算在保持计算负担低的同时改进系统。
2019-05-15 cs.SY eess.SY
Energy-efficient Reactive and Predictive Connected Cruise Control
在本文中，我们提出了一个框架的纵向控制连接和自动驾驶车辆行驶在混合交通组成的连接和非连接的人类驾驶车辆。提出了反应和预测控制器。无功控制器由显式反馈控制律给出。在预测控制器中，控制输入以滚动时域的方式进行优化，这取决于对前方车辆运动的预测。超越视线的信息是通过车辆到车辆（V2V）的通信，并利用所提出的反应和预测控制器。利用真实的交通数据的模拟表明，连接可以带来显着的节能。
2022-10-10 cs.SY eess.SY
Data-Driven Model Predictive Control for Linear Time-Periodic Systems
研究了周期已知的离散线性时间周期（LTP）系统的数据驱动预测控制问题。我们提出的策略推广了数据支持预测控制（DeePC）和子空间预测控制（SPC），这是线性时不变（LTI）系统的数据驱动控制技术。该方法是支持广泛的理论发展的行为系统理论的LTP系统，最终概括的基本引理。我们的算法产生的结果相同的标准模型预测控制（MPC）的确定性LTP系统。该算法对噪声数据的鲁棒性是通过将该算法应用于随机多输入多输出LTP系统的正则化版本的仿真来说明的。
2022-09-12 cs.SY eess.SY
Cooperative Predictive Cruise Control: A Bargaining Game Approach
本文从预测控制的角度考虑了协同巡航控制问题。在线决策用于基于从网络获得的信息在驾驶过程中执行。我们从预测控制理论使用讨价还价的游戏，找到一个车辆之间的操作协议，正式的同步问题的方法。最后，我们在一个硬件在环系统的仿真环境中测试这些结果。
2022-09-05 cs.SY eess.SY
The pdf-mpc Package: A Free-Matlab-Coder package for Real-Time Nonlinear Model Predictive Control
CNRS University of Grenoble-Alpes（法国国家科学研究中心格勒诺布尔阿尔卑斯大学）
本文介绍了一个基于Matlab-Coder的pdf-mpc包，用于定义和求解模型预测控制问题，提供免费下载和使用。
2017-04-02 cs.SY eess.SY
Predictive control barrier functions: Enhanced safety mechanisms for learning-based control
虽然基于学习的控制技术通常优于经典控制器设计，但安全要求限制了许多应用中对此类方法的接受。最近的发展通过所谓的预测安全过滤器来解决这个问题，该过滤器评估拟议的基于学习的控制输入是否会导致违反约束，并在必要时对其进行修改，以确保未来所有时间步长的安全性。这种预测性安全滤波器的理论保证依赖于模型假设，微小的偏差可能导致滤波器故障，使系统处于危险之中。本文介绍了一种辅助软约束预测控制问题，总是可行的，在每个时间步长和渐近稳定的可行集的原始安全过滤器，从而提供了一个恢复机制，在安全关键的情况下。这是通过结合终端控制障碍函数的简单约束收紧来实现的。通过扩展离散时间控制障碍函数理论，我们建立了所提出的辅助问题提供了一个“预测”的控制障碍函数。所得到的算法证明使用数值例子。
2022-05-13 cs.SY eess.SY
Optimal Data-Driven Prediction and Predictive Control using Signal Matrix Models
本文提出一种更简洁的Willems引理表述，将模型分离为初始条件匹配与预测控制设计，避免了正则化，并给出未来输出轨迹的最优无偏预测器闭式表达式，仿真验证了其优异控制性能。
2024-03-22 cs.SY eess.SY
Robust Nonlinear Reduced-Order Model Predictive Control
Stanford University（斯坦福大学）；ETH Zürich（苏黎世联邦理工学院）
本文提出一种新颖的降阶模型预测控制（ROMPC）方案，通过推导动态考虑模型降阶误差的误差边界系统，设计鲁棒MPC以确保约束满足、递归可行性和渐近稳定性，并在近万维软体机器人仿真中验证了有效性。
2023-09-11 cs.RO cs.SY eess.SY
Continuous Control Set Nonlinear Model Predictive Control of Reluctance Synchronous Machines
本文介绍了一种基于连续集非线性模型预测控制的磁阻同步电机电流控制器的设计与实现。一个计算效率高的灰箱模型的磁链图中采用的跟踪配方，这是使用高性能的非线性模型预测控制学术框架。所得到的控制器在仿真中进行了验证，并部署在连接到物理磁阻同步机的dSPACE实时系统上。实验结果表明，所提出的实施方案可以达到典型的电气驱动器的范围内的采样时间，并可以实现大的改进，在控制性能方面的国家的最先进的经典控制策略。
2020-09-28 cs.SY eess.SY
Resource-Aware Stochastic Self-Triggered Model Predictive Control
本文考虑了在有限的资源因素，如电池寿命或硬件寿命下运行的不确定系统的控制。我们在这里考虑资源感知的自触发控制技术，调度系统的操作不均匀的时间，以平衡性能对资源消耗。当运行在一个不确定的环境中，未知的干扰可能会恶化系统的性能，通过对抗计划的事件触发时间表。在这项工作中，我们提出了一个资源感知的随机预测控制方案来解决这一挑战，提出了一种新的零阶保持反馈控制方案，以适应时间不均匀的预测控制更新。
2021-03-09 cs.SY eess.SY
Numerical Predictive Control for Delay Compensation
我们提出了一种延迟补偿控制方法，将指数稳定控制器的无延迟系统到一个基于样本的预测控制器与数值积分。我们的方法处理一阶和传输延迟的执行器和权衡数值精度与计算延迟，以保证稳定的硬件限制下。通过混合稳定性分析和数值仿真，我们证明了我们的方法的有效性，从理论和仿真的角度。
2020-09-30 cs.SY eess.SY
Stability Analysis of Hypersampled Model Predictive Control
本文提出超采样模型预测控制稳定性分析框架，区分离散化与采样时间，证明二者独立并论证采样时间更小的优势，破解传统离散时间MPC采样时间选择中性能与计算复杂度的权衡难题。
2023-10-04 cs.SY eess.SY
A Primary Frequency Control Strategy for Variable-Speed Pumped-Storage Plant in Power Generation Based on Adaptive Model Predictive Control
school of electrical engineering and automation, Wuhan University（武汉大学电气与自动化学院）
针对低惯量电网频率控制难题，本文提出基于自适应模型预测控制的变速抽水蓄能电站发电工况一次调频策略，利用其灵活性提升调频性能。
2022-11-01 cs.SY eess.SY
The Unscented Transform Controller: a new model predictive control law for highly nonlinear systems
基于Unscented变换的Unscented卡尔曼滤波器（UKF），提出了一种新的非线性对象的预测控制器，称为Unscented变换控制器（UTC）。UTC可以被看作是UKF的对偶，与LQG调节器和卡尔曼滤波器相关的方式相同。UTC演示的虚拟跳伞运动员在自由落体的复杂机动的控制模型在风洞和自由落体实验中得到验证。
2022-07-21 cs.SY eess.SY
Data-Driven Predictive Control for Wide-Area Power Oscillation Damping
ETH Zurich（苏黎世联邦理工学院）；Hitachi Energy Research（日立能源研究院）；The University of Melbourne（墨尔本大学）
本文提出数据驱动预测控制用于阻尼广域电力系统振荡，通过对比ARX、TPC与DeePC等方法，验证了其在抑制区域间和局部振荡中的有效性。
2026-01-27 cs.SY eess.SY
Discussions on Inverse Kinematics based on Levenberg-Marquardt Method and Model-Free Adaptive (Predictive) Control
本文从控制理论的角度对目前基于LM方法的逆运动学鲁棒数值解法进行了重新分析。通过分析修正后的无模型自适应控制（MFAC）的控制性能，与已有的研究相比，更清楚地分析了计算的鲁棒性和计算误差的收敛性能。然后以最小化预测跟踪误差为目标，提出了一种新的无模型自适应预测控制方法来解决机器人逆运动学问题。最后，我们应用MFAPC作为控制器的机器人运动控制问题的仿真。该方法不仅具有良好的控制性能，而且能有效地求解逆运动学问题。
2023-02-06 cs.SY eess.SY
Robust Learning Model Predictive Control for Periodically Correlated Building Control
住宅和商业建筑占全球能源消耗的40%以上，将成为未来绿色能源系统的关键参与者。为了充分发挥其潜力，同时确保乘员舒适性，需要一个鲁棒控制方案来处理各种不确定性，如外部天气和乘员行为。然而，突出的模式，特别是周期性，在大多数不确定性来源中广泛存在。本文将这种相关结构的学习模型预测控制的框架，以学习一个全局最优的鲁棒控制方案的建设业务。
2021-04-06 cs.SY eess.SY
Expectation-Maximization Based Defense Mechanism for Distributed Model Predictive Control
控制大规模系统有时需要分散计算。智能体之间的沟通对于实现共识和最佳全局行为至关重要。这些谈判机制对这些交易所受到的攻击很敏感。针对基于资源分配的分布式模型预测控制中的攻击问题，提出了一种基于期望最大化的算法。通过一个输入功率约束下的多个房间的温度控制的学术例子的性能进行评估。
2022-07-17 cs.SY eess.SY
Koopman-Operator-Based Model Predictive Control for Drag-free Satellite
本文提出基于Koopman算子和SINDy的无拖曳卫星非线性动力学数据驱动建模方法，并设计线性MPC控制器用于测试质量捕获，数值算例验证了其有效性。
2025-09-24 cs.SY eess.SY
Multi-Objective Learning Model Predictive Control
本文提出多目标学习模型预测控制，利用重复任务中的系统数据迭代构建终端组件，在保证递归可行性的同时实现多目标闭环性能的逐次改进，并证明收敛策略具有帕累托最优性。
2024-10-17 cs.SY eess.SY
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
Network-Realised Model Predictive Control Part II: Distributed Constraint Management
Department of Automatic Control；Systems Engineering, ``Politehnica'' University of Bucharest, Bucharest, Romania -1mm；Laboratoire des Signaux et Syst\`emes, CentraleSup\'elec, Paris-Saclay University, Gif-sur-Yvette, France -9mm
本文提出一种两层控制架构，通过集合理论方法实现可扩展的模型预测控制器，提供递归可行性保证，并允许灵活定制。
2026-04-10 cs.SY eess.SY
The Voltage Regulation of a Buck Converter Using a Neural Network Predictive Controller
本文提出了一种神经网络预测控制器（NNPC）控制降压变换器。传统的控制器，如比例积分（PI）或比例积分微分（PID）的设计基于工作点附近的线性化小信号模型。因此，由于系统模型通过改变操作点而改变，因此在启动、负载变化或参考变化中控制器的性能不是最优的。神经网络预测控制器遵循传统模型预测控制器的概念，对降压变换器进行最优控制。NNPC的优点是神经网络系统辨识减少了系统模型在参数不准确时的不准确性。具有良好训练的神经网络的NNPC可以作为降压转换器的最优控制器。为了比较传统的降压变换器和NNPC的有效性，提供了仿真结果。
2020-02-06 cs.SY eess.SY
Tube-Based Zonotopic Data-Driven Predictive Control
针对受有界附加扰动影响的线性系统，提出了一种基于管的数据驱动预测控制方法。我们的方法利用最近的结果在未知的线性系统的可达性分析，制定和解决一个强大的基于管的预测控制问题。更确切地说，我们的方法包括从收集的数据中导出一个包括真实状态误差集的zonotope。我们展示了如何保证所产生的错误zonotope，这可以被利用来增加现有zonotopic数据驱动的MPC配方的计算效率的稳定性。双积分器的强对抗性噪声的影响下的结果表明，所提出的控制方法的有效性。
2022-11-24 cs.SY eess.SY
Model Predictive Control approach to adaptive messaging intervention for physical activity
在这项工作中，我们已经开发了一个框架，用于合成数据驱动的控制器一类不确定的切换系统中产生的应用程序的身体活动干预。特别是，我们提出了一个应用概率模型预测控制设计一个有效的，易于处理的，和自适应的干预使用的行为数据集，即身体活动行为。为每个人的身体活动的模型提供了控制器的设计，最大限度地实现所需的身体活动目标的概率受到干预规范。我们已经定制了混合整数规划为基础的方法来评估模型预测控制决定在每个时间步。
2021-08-25 cs.SY eess.SY
Frequency-Domain Data-Driven Predictive Control
本文提出频域数据驱动预测控制（FreePC）方案，通过引入基于频域数据的Willems基本引理新版本，使直接数据驱动控制能够利用非参数频域辨识技术，并证明其在适当条件下与DeePC等价。
2024-06-18 cs.SY eess.SY
A Distributed Model Predictive Wind Farm Controller for Active Power Control
由于风的波动性和风能作为电源的使用越来越多，风力发电将对电网的稳定性产生越来越大的负面影响。在本文中，模型预测控制策略，不仅稳定了风电场产生的功率，但也创造了可能性，执行功率参考跟踪与风电场。通过功率参考跟踪，电网运营商可以使电力生产适应电力需求的变化，并抵消由其他发电机引入的波动。通过这种方式，风电场实际上可以有助于稳定的电网时，这是必要的，而不是负面影响it.A低保真度控制为导向的风电场模型开发和采用分布式模型预测控制器。在该控制模型中，尾流动力学被考虑在内，因此，模型的阶数相对较大。从计算的角度来看，这使得集中式模型预测控制难以为大型风电场提供实时控制。因此，本文提出的控制器是一种分布式模型预测控制。在这里，中央控制问题被划分为较小的本地控制问题，这些问题在本地控制器上并行解决，这显著降低了计算复杂度，并且使模型预测控制在风电场中的应用更接近于实际实施。在10和64涡轮风力发电场的模拟中测试所提出的控制解决方案。
2020-07-10 cs.SY eess.SY
Data Center Chiller Plant Optimization via Mixed-Integer Nonlinear Differentiable Predictive Control
Slovak University of Technology（斯洛伐克工业大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出一种计算可行的实时预测控制框架，用于优化包含离散和连续控制决策的多冷水机房，通过非线性动态耦合形成混合整数优化问题。扩展可微预测控制以处理混合整数控制策略，实验表明其在能耗上优于规则控制器，计算速度也快于MPC。
2026-03-30 cs.SY eess.SY
Efficient Recursive Data-enabled Predictive Control (Extended Version)
本文提出一种基于奇异值分解的DeePC递归更新算法，通过低维变换和快速更新方案降低计算成本，其高度灵活的一般形式涵盖多种数据驱动方法，并在仿真中验证了有效性。
2024-03-24 cs.SY eess.SY
Robust Resource-Aware Self-triggered Model Predictive Control
物联网中无线设备的广泛采用需要能够在有限资源（例如电池寿命）下运行的控制器。在不确定的环境中鲁棒地操作这些设备，同时管理可用资源，增加了控制器设计的难度。本文提出了一种鲁棒自触发模型预测控制方法来优化控制目标，同时管理资源消耗。特别地，针对连续时间线性系统，提出了一种新的零阶保持非周期离散时间反馈控制律。
2021-12-01 cs.SY eess.SY
Model Predictive Control of Thermo-Hydraulic Systems Using Primal Decomposition
Hamburg University of Technology（汉堡工业大学）；Deutsches Elektronen-Synchrotron DESY（德国电子同步加速器研究所）
本文提出了一种自动化框架，通过时间离散化生成热液压系统模型预测控制器，利用对偶分解提高可扩展性，验证了该方法在地下供暖系统中的有效性。
2026-05-21 cs.SY eess.SY
Ising Machines for Model Predictive Path Integral-Based Optimal Control
imec - Ghent University（imec - 根特大学）
本文提出将模型预测路径积分作为Ising机器实现的MPC方法，通过QUBO问题映射实现高效最优控制轨迹探索，并展示了其在实时控制中的应用潜力。
2025-12-17 cs.SY eess.SY
Data-driven Model Predictive Control using MATLAB
Indian Institute of Technology Bombay（印度孟买印度理工学院）
本文综述了数据驱动模型预测控制，涵盖线性与非线性方法，重点介绍子空间预测控制、预测误差法及神经网络模型，并展望未来研究方向。
2025-10-10 cs.SY eess.SY
Embedded Model Predictive Control for EMS-type Maglev Vehicles
University of Stuttgart（斯图加特大学）；CRRC Qingdao Sifang Co., Ltd.（中车青岛四方机车车辆股份有限公司）；Chinese-German Research and Development Centre for Railway and Transportation Technology Stuttgart (CDFEB e.V.)（中德铁路与交通技术斯图加特研发中心（CDFEB协会））
本文提出了一种用于EMS型磁悬浮车辆的嵌入式模型预测控制方法，通过参数化控制器和处理器在环测试实现了高速稳定控制。
2026-03-10 cs.SY eess.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
Echo State Networks: analysis, training and predictive control
Politecnico di Milano（米兰理工大学）
本文研究了回声状态网络的理论性质、训练算法及其预测控制应用，提出了一种保证递增全局渐近稳定的条件，改进了允许降维的训练算法，并设计了基于ESN的模型预测控制器以解决跟踪问题。
2019-02-05 cs.SY eess.SY
Station-keeping of $L_2$ halo orbits under sampled-data model predictive control
针对地月系统中围绕$L_2$点的准Halo轨道，设计了一种改进的模型预测控制方案。由于多速率采样数据轨迹规划器允许简化模型预测控制器的优化问题，同时保证可行性和收敛到期望的轨道，从而获得改进。多速率规划器的设计基于一个简化的动态模型下的初步非线性调节反馈。所提出的控制方案优于最近的位置保持非线性模型预测控制设计在跟踪误差和能量消耗在不同的情况下。最后，一个简短的研究有关的计算时间方面进行了突出的现代硬件实时实现的可能性。
2022-02-22 cs.SY eess.SY
Batch Model Predictive Control for Selective Laser Melting
选择性激光熔化是一种很有前途的增材制造技术，可以制造高度可定制的产品。选择性激光熔化的一个主要挑战是确保所生产部件的质量，这在很大程度上受到打印层的热历史的影响。将模型预测控制与迭代学习控制相结合，提出了一种间歇模型预测控制方法。这种方法成功地拒绝了重复性和非重复性的干扰，从而实现了改善的跟踪性能和过程质量。在模拟研究中，选择性激光熔化动力学近似与降阶控制为导向的线性模型，以确保合理的计算复杂性。所提出的方法提供了收敛到所需的温度场分布，尽管模型的不确定性和干扰。
2022-04-08 cs.SY eess.SY
Safe Importance Sampling in Model Predictive Path Integral Control
我们介绍了嵌入式障碍状态控制下的重要性采样的概念，题为安全控制模型预测路径积分控制（SC-MPPI）。对于在具有多个约束的环境中操作的机器人系统，在执行优化时，硬约束通常利用惩罚函数来编码。利用基于优化的技术（例如控制障碍函数）的替代方案可以用作安全过滤器以确保系统不违反给定的硬约束。相比之下，这项工作利用了安全滤波器的原理，但在模型预测路径积分控制的前向采样期间应用它。所得到的前向样本集可以在安全控制器的域内保持安全，从而提高样本效率并允许改进对状态空间的探索。我们通过类似于信息理论MPPI的信息理论原理推导出该控制器。我们的经验表明，优越的采样效率，探索和系统性能的SC-MPPI相比，模型预测路径积分控制（MPPI）和微分动态规划（DDP）优化屏障状态。
2023-03-06 cs.SY eess.SY
From System Level Synthesis to Robust Closed-loop Data-enabled Predictive Control
Willems的基本引理和系统级综合都是通过输入输出序列来刻画线性动态系统。在这项工作中，我们将基本引理的应用从确定性的不确定LTI系统，然后进一步证明这种扩展是等价的系统级综合。基于这种不确定性扩展，提出了一种鲁棒闭环数据使能预测控制方案，其中因果反馈控制律进一步推导。两个数值实验，包括单区域建筑物的温度控制，进行了验证所提出的数据驱动控制器的有效性。
2021-03-09 cs.SY eess.SY
