Control of Unknown Nonlinear Systems with Linear Time-Varying MPC
University of California at Berkeley（加州大学伯克利分校）；California Institute of Technology（加州理工学院）
针对输入未知的仿射非线性动力系统，提出了一种模型预测控制（MPC）策略。一个非参数的方法是用来估计的非线性动力学从观测数据。估计的非线性动态，然后在状态空间的时变区域线性化，以构建仿射时变（ATV）模型。估计和线性化过程中所产生的误差范围计算通过使用采样技术。利用ATV模型和不确定集设计了一个鲁棒模型预测控制（MPC）问题，该问题以高概率保证未知系统的安全性。一个简单的非线性例子表明，该方法的有效性，常用的线性化方法失败。
2020-10-08 cs.RO cs.SY eess.SY
Real-Time LPV-Based Non-Linear Model Predictive Control for Robust Trajectory Tracking in Autonomous Vehicles
Department of Electrical Engineering, Indian Institute of Technology Hyderabad (IITH)（电子工程系，印度理工学院海得拉巴（IITH））
本文提出一种基于LPV的实时MPC框架，采用模块化架构和基于曲率的权重调优方法，并在ROS中并行实现，在仿真与实车实验中验证了自动驾驶车辆在高速和激进操控下的高精度鲁棒轨迹跟踪能力。
2025-06-05 cs.RO cs.SY eess.SY
Nonplanar Model Predictive Control for Autonomous Vehicles with Recursive Sparse Gaussian Process Dynamics
Department of Electrical & Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学）
本文提出了一种基于递归稀疏高斯过程的非平面模型预测控制框架，用于提升自主车辆在复杂地形中的路径跟踪性能。
2026-02-18 cs.RO cs.SY eess.SY
Adaptive Legged Locomotion via Online Learning for Model Predictive Control
Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系）；Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所）
该研究提出了一种通过在线学习和模型预测控制实现自适应四肢运动的算法，能够处理未知负载和不规则地形下的复杂任务。
2025-11-30 cs.RO cs.SY eess.SY
A Robust Closed-Loop Biped Locomotion Planner Based on Time Varying Model Predictive Control
IEETA / DETI University of Aveiro（阿威罗大学IEETA / DETI）
由于人形机器人的不稳定性和地形的不可预测性，开发鲁棒的运动是一项复杂的任务。一个强大的运动规划器是产生稳定的运动轨迹的基本组成部分之一。本文提出了一种最优的闭环轨迹规划器，即使在具有挑战性的条件下，也可以规划参考轨迹。该规划器基于时变模型预测控制（TVMPC）方案设计，能够考虑系统的状态、输入和输出以及混合输入输出中的一些约束。此外，建议的规划器考虑到垂直运动的质心~（COM），以产生步行与大部分伸展的膝盖，这是更像人类。此外，该规划器使用发散运动分量（DCM）的概念，在线修改参考ZMP，以提高机器人在严重干扰存在下的耐受水平。通过使用~ \mbox{MATLAB}进行几次仿真，验证了所提出的规划器的性能和鲁棒性。仿真结果表明，所提出的规划器能够鲁棒地产生机器人的运动轨迹。
2019-09-15 cs.RO
On the Convergence of Density-Based Predictive Control for Multi-Agent Non-Uniform Area Coverage
PhD Candidate（博士候选人）；Department of Mechanical Engineering（机械工程系）；New Mexico Institute of Mining and Technology（新墨西哥矿业与技术研究所）
本文提出基于密度的预测控制方法，用于高效实现多智能体非均匀区域覆盖，通过最优传输理论分析收敛性并优于现有方法。
2025-12-02 cs.RO cs.SY eess.SY
A Safe Reinforcement Learning driven Weights-varying Model Predictive Control for Autonomous Vehicle Motion Control
Technical University Munich（慕尼黑工业大学）；TUM School of Engineering and Design（慕尼黑工业大学工程与设计学院）；Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）
针对MPC权重难以实时优化且RL学习可能不安全的问题，提出将RL动作限制在BO帕累托最优权重集的安全空间内，实现安全且性能超越帕累托前沿的变权重MPC控制。
2024-02-04 cs.AI cs.LG cs.RO
Contingency-Aware Planning via Certified Neural Hamilton-Jacobi Reachability
Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学）
本文提出一种结合学习可达性与采样规划的多目标导航框架，利用FNO近似解算器解决高维HJ方程，提供理论安全保证并验证在Webots仿真中实时部署的性能。
2026-11-04 cs.RO cs.SY eess.SY
Safe Model Predictive Control Approach for Non-holonomic Mobile Robots
Delft University of Technology（代尔夫特理工大学）
针对非完整移动机器人的规划与控制问题，设计了一种模型预测控制（MPC）方法。围绕预先计算的参考轨迹线性化系统动态给出了时变LQ MPC问题。我们分析表明，通过专门设计的MPC控制器，随时间变化，线性化系统可以产生在跟踪任务的原点附近的渐近稳定。我们进一步提出了两种避障方法。通过在速度空间中定义线性化约束，并基于当前状态显式耦合两个控制输入，我们的第二种方法直接考虑了系统的非完整性，从而证明了优化问题的不可行性。仿真结果表明，对于静态和动态避障，我们的LQ MPC方法的规划轨迹是光滑和有效的解决非线性规划（NLP）问题，但在一个更有效的方式。
2022-10-10 cs.RO
Safe Motion Planning and Control Using Predictive and Adaptive Barrier Methods for Autonomous Surface Vessels
SENSEable City Laboratory, Massachusetts Institute of Technology（麻省理工学院可感知城市实验室）
针对自主水面船舶传统运动规划方法计算量大或过于保守的问题，本文结合MPC与自适应膨胀椭圆障碍物表示的高阶CBFs，提出安全运动规划策略，经仿真与实船实验验证可在保障安全的同时实现狭窄空间实时通行与死锁解决。
2025-10-01 cs.RO
Recursively Feasible Chance-constrained Model Predictive Control under Gaussian Mixture Model Uncertainty
本文针对移动障碍物多模态预测不确定性，提出三种基于高斯混合模型的机会约束MPC规划器，证明其安全性并比较保守性与递归可行性，最终在自动驾驶模拟器中验证有效性。
2025-03-08 cs.SY eess.SY
A Diffusion-based Generative Machine Learning Paradigm for Dynamic Contingency Screening
University of Wyoming（怀俄明大学）
本文提出一种基于扩散的生成式机器学习方法，用于动态 contingency 分析，通过预测最可能的critical contingencies来提高实时安全评估效率。
2026-04-28 cs.SY eess.SY
Real-Time Gait Adaptation for Quadrupeds using Model Predictive Control and Reinforcement Learning
Robert Bosch Center for Cyber-Physical Systems, Indian Institute of Science, Bengaluru（罗伯特·博世跨物理系统中心，印度科学研究院，班加罗尔）
提出结合MPPI与Dreamer的优化框架，在连续步态空间实现四足机器人实时步态自适应，仿真显示能耗平均降低36.48%。
2025-10-24 cs.AI cs.RO
Robust Bipedal Locomotion Control Based on Model Predictive Control and Divergent Component of Motion
University of Tehran（德黑兰大学）
在本文中，以前的工作模型预测控制（MPC）和运动的发散分量（DCM）的双足步行控制扩展。为此，我们采用了一个单一的MPC，它使用的压力中心（CoP）的操纵，步骤调整，和质心力矩枢轴（CMP）调制的组合，设计一个强大的步行控制器。此外，我们利用时变DCM的概念，推广我们的行走控制器在不平坦的表面行走。使用我们的计划，一个通用的和强大的行走控制器的设计，可以实现不同的控制机构的机器人，在各种环境下行走，例如不平坦的地形或表面上的一个非常有限的可行区域的步进。所提出的方法的有效性进行了验证，通过模拟不同的情况下，并与最先进的比较。
2017-02-28 cs.RO
Bayesian Optimisation for Robust Model Predictive Control under Model Parameter Uncertainty
University of Sydney（悉尼大学）；NVIDIA（英伟达）
我们提出了一种自适应优化方法调整随机模型预测控制（MPC）的超参数，同时联合估计的过渡模型参数的概率分布的基础上的性能奖励。特别是，我们开发了一个贝叶斯优化（BO）算法与异方差噪声模型来处理不同的噪声在MPC超参数和动态模型参数空间。典型的同方差噪声模型是不现实的调整MPC，因为随机控制器固有的噪声，和噪声的水平是由他们的超参数设置的影响。我们评估所提出的优化算法在模拟控制和机器人任务，我们共同推断控制和动力学参数。实验结果表明，我们的方法导致更高的累积奖励和更稳定的控制器。
2022-05-31 cs.AI cs.LG cs.RO
Audited Selective Verification for Risk-Controlled N-1 Thermal Contingency Screening under Deployment Shift
Electric Power Research Institute (EPRI)（电力研究研究院）
研究能源管理系统中 N-1 应急筛选问题，提出审计选择性验证方法，通过廉价替代、在线审计和校准阈值，在任意部署转移下保证热违规率界限，减少全潮流研究，为风险控制提供有效筛选和分类层。
2026-07-16 cs.AI cs.LG cs.SY
Adaptive model predictive control for constrained, linear time varying systems
Singidunum University（辛吉杜纳姆大学）；Politecnico di Milano（米兰理工大学）；University of Belgrade（贝尔格莱德大学）
本文提出了一种自适应模型预测控制方法，用于解决受约束的线性时变系统的问题，通过动态调整模型参数提高控制性能。
2017-12-20 cs.SY eess.SY math.OC
Perturbation-based Regret Analysis of Predictive Control in Linear Time Varying Systems
我们研究预测控制中的动态是时变的和线性的，成本是时变的和良好的条件。在每个时间步，控制器接收未来$k$时间步的成本、动态和干扰的精确预测。我们表明，当预测窗口$k$是足够大的，预测控制是输入状态稳定的，并实现了$O(λ^k T)$的动态遗憾，其中$λ< 1$是一个积极的常数。这是线性时变系统预测控制的第一个动态后悔界。在更多的终端费用假设下，我们还证明了预测控制获得了线性时变系统控制的第一竞争界：$1 + O(λ^k)$。我们的研究结果是使用一种新的证明框架的基础上的扰动界，其特征是如何一个小的变化，系统参数的影响的最佳轨迹。
2021-06-19 cs.SY eess.SY math.OC
Empirical Study of Dynamic Regret in Online Model Predictive Control for Linear Time-Varying Systems
本文针对线性时变系统中在线MPC的动态遗憾展开实证研究，验证相关理论假设，分析预测误差和预测范围对性能的影响，为MPC的实际应用提供理论与实践结合的见解。
2025-02-19 cs.SY eess.SY
Contingency Analysis of a Grid of Connected EVs for Primary Frequency Control of an Industrial Microgrid Using Efficient Control Scheme
Manipal Institute of Technology, Manipal Academy of Higher Education（曼尼帕尔理工学院，曼尼帕尔高等教育学院）；BEARS；Universidad Castilla-La Mancha（卡斯蒂利亚-拉曼查大学）；CUNEF Universidad（CUNEF大学）
本研究针对工业微电网的一次调频需求，提出一种支持双向功率流的高效控制方案，考虑多种事故、EV荷电状态及车队规模变化，经仿真验证可提升微电网可靠性，增加EV数量还能进一步优化频率特性。
2024-02-02 cs.LG cs.SY eess.SY
Data-Driven Predictive Control for Linear Parameter-Varying Systems
基于行为理论和线性变参数系统基本引理的推广，本文介绍了一种数据驱动的预测控制（DPC）方案，该方案能够在（i）系统可以用LPV形式表示和（ii）有信息数据的条件下，确保未知系统的参考跟踪和满足输入输出（IO）约束。包含系统的测量IO和调度轨迹的集合可用。它示出，如果数据集满足激励条件的持久性，然后可以从IO数据集和在线测量数据构造系统的未来轨迹的数据驱动的LPV预测器。该方法代表的第一步，由于潜在的LPV框架来表示它们的非线性和时变系统的DPC解决方案。两个说明性的例子，包括参考跟踪控制的非线性系统，提供证明基于数据的LPV-DPC计划，实现类似的性能LPV基于模型的预测控制。
2022-01-24 cs.SY eess.SY
Neural Parameter-varying Data-enabled Predictive Control of Cold Atmospheric Pressure Plasma Jets
Clemson University（克莱姆森大学）
针对冷大气压等离子体射流非线性强、对操作条件敏感难实时控制的问题，提出融合超网络的NPV-DeePC框架，自适应捕捉系统特性实现精准预测控制，仿真验证其精度与适应性更优，且支持实时应用，可推广至同类系统。
2025-10-02 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
A Robust Distributed Model Predictive Control Framework for Consensus of Multi-Agent Systems with Input Constraints and Varying Delays
研究了具有输入约束和有界时变通信时滞的一般线性离散多智能体系统的一致性问题。我们提出了一个强大的分布式模型预测控制（DMPC）的共识协议，集成了离线的共识设计和在线DMPC优化，以发挥各自的优势。更准确地说，每个代理都配备了一个离线共识协议，这是先验设计的，取决于它的近邻的估计状态。此外，由于不精确的邻近信息随着时间的推移传播的估计误差被证明有界的温和的技术假设下，在此基础上，一个强大的DMPC策略是故意设计，以实现强大的共识，同时满足输入约束。此外，它表明，与适当设计的代价函数和约束条件，相关的优化问题的可行性，可以递归地确保。在有界变时滞条件下，我们进一步给出了约束MAS的一致收敛结果。最后，通过两个算例验证了分布式一致性算法的有效性.
2022-09-19 cs.SY eess.SY
Learning Model Predictive Control for Periodic Repetitive Tasks
针对周期性重复任务，提出了一种无参考学习模型预测控制器。我们考虑一个问题，其中的动态，约束和阶段成本是周期性时变的。控制器使用闭环数据来构造时变终端集和时变终端成本。我们表明，所提出的策略在闭环线性和非线性系统保证递归约束的满足，不增加开环成本，开环和闭环成本是相同的收敛。针对线性和非线性系统的不同重复任务进行了仿真。
2020-04-17 cs.SY eess.SY
Designing the Model Predictive Control for Interval Type-2 Fuzzy T-S Systems Involving Unknown Time-Varying Delay in Both States and Input Vector
针对一类状态和输入均具有未知时变时滞的区间T-S系统，设计了模型预测控制。时变时滞是几乎所有系统中都存在的一种奇异现象。在系统运行过程中，它会造成许多问题和不稳定性.在本文中，时变时滞被认为是在状态和输入向量，是显着的区别，在这里提出的方法与以前的算法，而且，它是未知的，但有界的。为了解决这个问题，Razumikhin方法被应用到所提出的方法，因为它包括一个李雅普诺夫函数与原始的非增广状态空间的系统模型相比，Krasovskii公式。另一方面，Razumikhin方法表现得更好，避免了Krasovskii固有的复杂性，特别是当出现大延迟和干扰时。为了使输出结果稳定，设计了模型预测控制（MPC），本文所考虑的系统是对系统动态模型有较好估计的区间2型（IT 2）模糊T-S。在这里，在线优化问题的解决线性矩阵不等式（LMI），减少了计算负担和在线计算成本相比，离线和非LMI的方法。最后给出了一个算例.
2022-09-16 cs.SY eess.SY
Hierarchical Optimization-Based Model Predictive Control for a Class of Discrete Fuzzy Large-Scale Systems Considering Time-Varying Delays and Disturbances
摘要-本文研究一类具有有界时变时滞和扰动的离散模糊大系统的模型预测控制。所考虑的方法是Razumikhin的时变时滞大系统，其中它包括一个李雅普诺夫函数与系统动力学的原始非增广状态空间相比，Krasovskii方法。作为一项规则，Razumikhin方法具有完美的潜力，以避免Krasovskii方法的固有复杂性，特别是在存在大延迟和干扰的情况下。本文将大系统分解为若干个子系统，每个子系统用模糊Takagi-Sugeno（T-S）模型表示，并考虑了任意两个子系统之间的相互联系。由于模型预测控制的主要部分是优化，因此对优化问题执行分层方案。在此基础上，考虑持续扰动，研究了持续扰动下系统的鲁棒正不变性和输入到状态稳定性。线性矩阵不等式（LMI）的方法进行我们的计算。因此闭环大系统是渐近稳定的。最后通过两个算例说明了该方法的有效性，并与其他文献进行了比较。
2021-08-25 cs.SY eess.SY
Recursively Feasible Stochastic Model Predictive Control for Time-Varying Linear Systems Subject to Unbounded Disturbances
本文利用协方差引导思想，提出了一种确保具无界干扰的时变线性系统在仿射反馈随机模型预测控制下递归可行性的方法，并证明其满足机会约束且可转化为凸规划实时求解。
2024-10-14 cs.SY eess.SY math.OC
Unifying Sequential Quadratic Programming and Linear-Parameter-Varying Algorithms for Real-Time Model Predictive Control
ETH Zürich（苏黎世联邦理工学院）；Eindhoven University of Technology（埃因霍温理工大学）；HUN-REN Inst. for Computer Science and Control（匈牙利研究与教育网络计算机与控制研究所）
本文提出一种统一框架，将序列二次规划与迭代线性参数变化模型预测控制技术相结合，通过选择特定的调度变量和微分公式，提升鲁棒性和随机性MPC问题的计算效率。
2026-04-09 cs.SY eess.SY
Convergent Economic Model Predictive Control through parameter-varying storage functions for dissipativity
在经济模型预测控制（EMPC）框架下，将标准耗散性推广到具有变参数存储函数的系统，提出了受控耗散性的概念.基于这一概念，两个EMPC控制器，与耗散不等式约束渲染的存储函数参数作为决策变量，制定和相关的递归的可行性，确保。然后，渐近收敛的最佳平衡点的闭环，而不需要标准的耗散性假设，是强制执行的交易与渐近性能。渐近平均闭环性能的上界也进行了评估。最后，通过一个具有终端平衡或终端区域条件的EMPC控制器的例子来说明我们的方法的有效性。
2023-02-21 cs.SY eess.SY math.OC
Critical Weather Scenario Screening Using Weather-to-Voltage (W2V) Predictive Modeling
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
该研究提出W2V预测模型框架，用于筛选触发电网高压事件的关键天气场景，在6717节点合成得克萨斯系统实验验证了其有效性，发现最脆弱场景具风主导扰动特征。
2026-08-26 cs.SY eess.SY
Robust Model Predictive Control for Constrained Uncertain Systems Based on Concentric Container and Varying Tube
针对同时受加性与乘性扰动的受约束系统，提出基于同心容器和可变管的RMPC方法，以降低保守性和在线计算量并扩大吸引域。
2024-12-04 cs.SY eess.SY
Cooperative nonlinear distributed model predictive control with dissimilar control horizons
本文提出一种允许智能体间控制时域不同且时变的协作非线性DMPC算法，证明了递归可行性与最优成本非递增，仿真显示其在减少优化变量数的同时有效近似传统DMPC性能。
2024-10-14 cs.SY eess.SY
Adaptive Model Predictive Control of Nonlinear Generic Urban Air Mobility Using Linear Parameter-Varying Systems
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
提出一种针对全飞行包线内非线性城市空中交通飞行器的自适应模型预测控制框架，利用线性参数变表示在线更新预测模型，并采用NSGA-II多目标优化进行控制器调谐，在NASA GUAM模型上验证了改进的轨迹跟踪和鲁棒性。
2026-06-07 cs.SY eess.SY
Model Predictive Control for Multi-Agent Systems under Limited Communication and Time-Varying Network Topology
本文提出基于多轨迹MPC的方法，在有限通信和时变网络拓扑下优化多智能体性能并保证约束满足，实现闭环即插即用操作，并证明递归可行性与稳定性。
2023-04-04 cs.SY eess.SY
A subspace approach to data-driven predictive control for linear parameter-varying systems
Eindhoven University of Technology（埃因霍温理工大学）；HUN-REN Institute for Computer Science and Control（匈牙利科学院计算机与控制研究所）；University of Pennsylvania（宾夕法尼亚大学）
本文针对线性参数变时系统，提出一种子空间数据驱动预测控制方法，通过降阶预测器等设计，提升了控制器的鲁棒性与计算效率，实现了可实际部署的多步控制方案。
2026-07-31 cs.SY eess.SY
A Robust, Efficient Predictive Safety Filter
提出一种鲁棒且事件触发的预测安全滤波器，基于鲁棒离散时间障碍函数抑制时变非线性系统扰动，可与DPC结合过滤任意控制律，并在双罐系统等示例中验证有效性。
2024-04-26 cs.SY eess.SY
Adaptive Model Predictive Control for Engine-Driven Ducted Fan Lift Systems using an Associated Linear Parameter Varying Model
本文针对发动机驱动涵道风扇升力系统的复杂控制问题，提出基于关联LPV模型的自适应模型预测控制方法，利用RBF网络构建预测模型，仿真验证推力控制相对误差低于3.5%。
2023-09-22 cs.SY eess.SY
Robust Model Predictive Control for nonlinear discrete-time systems using iterative time-varying constraint tightening
本文提出一种基于迭代时变约束收紧的收缩时域鲁棒MPC方法，通过求解NLP同时优化系统运行与约束收紧，有效平衡了计算负荷与保守性。
2024-02-20 cs.SY eess.SY
Stochastic Model Predictive Control for Linear Systems with Unbounded Additive Uncertainties
针对具有无界可加不确定性的线性定常系统，提出了两种随机模型预测控制方法。新的方法是通过制定机会约束的确定性形式，这是类似于鲁棒约束，通过使用概率可达集处理。首先，采用时变概率可达集作为管，设计了基于概率可分解时变管的随机模型预测控制算法。其次，利用概率正不变集，通过在整个预测范围内不断收紧约束条件，提出了基于概率可分解常数管的随机模型预测控制算法。此外，为了提高算法的可行性，对状态初始化施加了软约束。算法的可行性和闭环稳定性的结果。数值模拟的方法的有效性证明。
2021-04-21 cs.SY eess.SY
Predictive resource allocation for flexible loads with local QoS
可以改变其功耗而不违反其服务质量（QoS）的负载，即灵活负载，是电网运营商的宝贵资源。利用灵活的负载作为一种资源，要求网格运营商将它们纳入一个资源分配问题。由于灵活的负载往往是消费者，隐私的关注，这是可取的，这个问题有一个分布式的实现。从技术上讲，这种分布式实现表现为一个时变凸优化问题，每个负载的QoS约束。在文献中，这个问题的时不变形式，没有所有必要的QoS指标的灵活负载往往被认为是。由于问题的时变性质，转向更现实的设置会带来额外的技术挑战。在这项工作中，我们开发了一种算法来考虑时变设置与适当的QoS指标时引入的挑战。
2020-06-29 cs.SY eess.SY
Data-Driven Multi-Modal Learning Model Predictive Control
针对当前模态未知的多模态迭代控制任务，研究提出数据驱动的学习模型预测控制方法，含局部数据选择构建仿射时变模型、多模态历史数据构建采样安全集的方案，经自动驾驶仿真验证有效。
2024-07-08 cs.SY eess.SY
Model-Predictive Control for Discrete-Time Queueing Networks with Varying Topology
在本文中，我们配备了传统的离散时间离散网络的马尔可夫输入过程，除了通常的短期随机，管理中期到长期的行为的网络节点之间的链接。这让人想起控制理论中所谓的跳跃马尔可夫系统，并允许网络拓扑随时间变化。我们认为，常见的背压控制策略是不足以控制这样的网络动态，并提出了一种新的控制策略的启发，由模型预测控制的范例。具体来说，通过定义一个合适的，但任意的预测范围，我们的政策考虑到未来的网络状态和可能的控制行动。这与大多数其他短视政策形成鲜明对比，即只考虑下一个州。我们数值表明，这样的方法可以显着提高控制性能，并引入几个变量，从而权衡性能与计算复杂性。此外，我们证明了所谓的吞吐量最优的我们的政策，保证稳定的所有网络流量，可以保持网络。有趣的是，与模型预测控制中的一般稳定性证明相反，我们的证明不需要终端集的假设（即预测范围足够大）。最后，我们提供了几个示例，其中之一是同步队列网络。这个特别构成了一个有趣的系统类，在其中我们的策略比一般的反压策略发挥了优越性，甚至在这些网络中失去了吞吐量最优性。
2020-04-04 cs.SY eess.SY
T2S-MPC: Time-Embedded Online Adaptive Model Predictive Control for Time-Varying Dynamics
JHU Department of Applied Mathematics and Statistics, Johns Hopkins University, MD, USA（约翰霍普金斯大学应用数学与统计学系）；CMU Department of Electrical and Computer Engineering, Carnegie Mellon University, PA, USA（卡内基梅隆大学电气与计算机工程系）
提出T2S-MPC框架，通过时间嵌入和双时间尺度更新在线学习残差动力学模型，实现快速时变环境下的自适应模型预测控制，在四旋翼任务中优于经典和神经MPC方法。
2026-05-24 cs.LG cs.SY eess.SY
Predictive Synthesis of Control Barrier Functions and its Application to Time-Varying Constraints
本文提出一种系统性的控制障碍函数合成方法，通过有限时域最优控制编码预测信息，处理时变约束，避免重算，并显式设计扩展类K函数，仿真验证了其有效性。
2025-04-22 cs.SY eess.SY math.OC
Minimum Time Learning Model Predictive Control
本文提出了一种用于线性和非线性时间最优控制问题的学习模型预测控制（LMPC）策略。我们的工作建立在现有的LMPC方法，它保证有限时间收敛性能的闭环系统。我们展示了如何使用闭环数据构造时变安全集和终端代价函数。由此产生的LMPC政策是时变的，它保证递归约束满足和非递减性能。通过对安全集和终端代价函数进行凸化，提高了计算效率。我们证明了，对于一类非线性系统和凸约束，凸LMPC公式保证递归约束满足和非减性能。最后，我们说明了所提出的策略的有效性最短时间避障和赛车的例子。
2020-10-04 cs.SY eess.SY math.OC
Closed-loop model-predictive wind farm flow control under time-varying inflow using FLORIDyn
本文提出基于 FLORIDyn 与集合卡尔曼滤波的闭环模型预测风电场控制框架，仅靠风机测量在线优化设定点，在十机、3 小时时变入流仿真中实现最高 4.4% 增能并提升抗扰鲁棒性。
2025-03-04 cs.SY eess.SY
Distributed MPC with Prediction of Time-Varying Communication Delay
Freie Universität Berlin（柏林自由大学）；Universität Kassel（卡塞尔大学）
本文提出将分布式模型预测控制与信息调度相结合，通过动态通信网络模型和预测调度算法预测通信延迟，提升子系统控制性能。
2018-09-14 cs.SY eess.SP eess.SY
Blade Effective Wind Speed Estimation: A Subspace Predictive Repetitive Estimator Approach
现代风力涡轮机控制算法通常利用从涡轮机机舱上的风速计测量的转子有效风速。不幸的是，从这样的单个测量点测量的风速不能很好地表示叶片上的有效风速，因为它没有考虑整个转子区域内的变化的风力条件。因此，叶片有效风速（BEWS）估计可以被视为更准确的替代方案。本文介绍了一种新的子空间预测重复估计（SPRE）的方法来估计BEWS使用叶片负载测量。详细地，方位角相关的锥系数被首次制定来描述叶片根部离面弯矩和叶片上的风速之间的映射。然后，SPRE方案，这是受子空间预测重复控制（SPRC），提出了估计BEWS。算例分析表明，该方法在预测BEWS和识别变风速条件下的风切变方面是有效的。此外，这种新技术能够估计复杂的风流入条件，其中转子受到上游涡轮机尾流的冲击和重叠。
2021-04-07 cs.SY eess.SY
Exact Time-Varying Turnpikes for Dynamic Operation of District Heating Networks
本文研究了区域供热网络优化中的时变Turnpike现象，推导了唯一时变奇异弧的存在条件及闭式表达式，并证明精确时变情况蕴含严格耗散性，为模型预测控制提供了理论基础。
2025-06-26 cs.SY eess.SY math.OC
Online Reduced-Order Data-Enabled Predictive Control
针对时变系统，提出一种在线降阶DeePC框架，通过最小非零奇异值选择性整合实时数据在线更新Hankel矩阵，并利用数值奇异值分解降低计算复杂度，有效提升了控制性能。
2024-07-22 cs.SY eess.SY
Dynamic Weight Optimization for Double Linear Policy: A Stochastic Model Predictive Control Approach
National Tsing Hua University（国立清华大学）
本文提出随机模型预测控制方法，解决双线性策略时间变化权重的优化问题，通过风险调整收益最大化和生存约束，提升风险调整性能和回撤控制。
2026-04-01 cs.SY eess.SY math.OC
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
Synthesis of constrained robust feedback policies and model predictive control
本文提出一种基于鲁棒控制的方法，用于综合受凸二次约束的有限、无限及滚动时域控制问题的鲁棒时变状态反馈策略，利用初始状态到峰值增益技术确保约束满足，并构建线性矩阵不等式条件，实验证明其保守性低于标准基于管的鲁棒模型预测控制方法。
2023-10-18 cs.SY eess.SY math.OC
