Distributed consensus of linear MASs with an unknown leader via a predictive extended state observer considering input delay and disturbances
Ecole Centrale de Lille（里尔中央理工学院）；Beihang University（北京航空航天大学）；Beijing Jiaotong University（北京交通大学）
本文针对具有定向通信拓扑的线性多智能体系统在存在输入延迟和扰动时的扰动抑制问题，提出一种基于模型降阶技术的分布式一致性方法，设计了自适应预测扩展状态观测器并推导了线性矩阵不等式条件。
2018-03-23 cs.SY eess.SY
Model predictive control of linear systems with preview information: feasibility, stability and inherent robustness
University of Sheffield（谢菲尔德大学）
本文研究了在名义模型预测控制中利用可用扰动预测的方法，探讨了如何通过修改终端条件来保持稳定性，并在扰动变化受限的假设下建立鲁棒稳定性与可行性。
2018-07-30 cs.SY eess.SY
A Constraint-Tightening Approach to Nonlinear Stochastic Model Predictive Control for Systems under General Disturbances
本文提出了一种随机系统的非线性模型预测控制策略，该系统具有一般的（状态和输入相关的）扰动和机会约束。我们的方法使用一个在线计算的随机管，以确保在随机不确定性的存在下的稳定性，约束满足和递归的可行性。管的形状和约束回退是基于离线计算的增量李雅普诺夫函数。
2019-12-04 cs.SY eess.SY math.OC
A Contraction-constrained Model Predictive Control for Nonlinear Processes using Disturbance Forecasts
模型预测控制（MPC）已成为过程工业中应用最广泛的先进控制方法。在许多情况下，扰动的预报是可用的，例如，根据天气预报预测可再生能源发电量。虽然扰动的预测可能不准确，但利用这些信息可以显著提高响应于扰动的控制性能。通过利用过程和干扰模型，可以预测未来的系统行为，并用于通过最小化包含这些预测的经济代价函数来优化控制动作。然而，当过程是非线性的时，在这种方法中得到的闭环系统的稳定性保证通常是困难的。在下面的文章中提出的是一个收缩约束的预测控制器，优化过程的经济性，同时确保稳定的运行目标受到干扰的测量和预测。
2022-06-07 cs.SY eess.SY math.OC
Data-Driven Predictive Control with Adaptive Disturbance Attenuation for Constrained Systems
本文提出一种结合H-infinity控制与MPC的数据驱动预测控制方法，能根据系统状态和预测扰动动态调整扰动衰减性能，并在含噪数据下保证了闭环稳定性、约束满足和递归可行性。
2024-03-22 cs.SY eess.SY math.OC
Receding Horizon Optimization for Disturbance-aware Predictive Control of Power Electronic Inverters
提出了一种基于滚动优化方法的DC-AC逆变器扰动感知预测控制策略。首先，一个离散的事件驱动的混合自动机模型已被构造的非线性逆变器系统的动态。提出了一个无限离散状态空间转移序列优化的控制问题。采用滚动优化方法对离散优化问题进行在线分段求解。为此，提出了扰动感知的自适应控制，利用在线递推最小二乘（RLS）算法对外界扰动进行采样和估计。阐述了传统的PWM控制方案是所提出的控制方案的一个子集，并给出了它们之间的代码转换。通过增加额外的PWM约束的建议的控制策略，最优PWM控制模式（OPCM）作为一个例子。所提出的控制器可以自由地运行在原始的最优离散控制模式（ODCM）和OPCM。数值仿真结果表明，所提出的离散控制策略实现了DC-AC逆变抗负载漂移的扰动感知自适应控制，且ODCM的控制性能优于OPCM。此外，所提出的建模和控制框架具有支持其他形式的控制模式的潜力。
2020-12-22 cs.SY eess.SY
Disturbance feedback-based model predictive control in uncertain dynamic environments
针对不确定环境下线性系统面临的时变不确定约束问题，提出基于未来环境状态参数化预测输入的鲁棒MPC方案，兼具理论保证与仿真验证。
2024-04-15 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
Stochastic Data-driven Predictive Control of Linear Systems with Sub-Gaussian Disturbances using Causal Predictors
Technical University of Munich（慕尼黑工业大学）
本文提出一种仅基于输入-输出数据的随机数据驱动预测控制框架，利用扰动数据估计和因果子空间预测器，通过收紧约束保证机会约束满足，并具备递归可行性与闭环保证。
2026-09-23 cs.SY eess.SY
Data-driven tube-based stochastic predictive control
行为系统理论的一个强有力的结果，称为基本引理，允许预测控制类似于线性时不变（LTI）系统的模型预测控制（MPC），具有纯粹来自数据的未知动态。虽然大多数的数据驱动的预测控制文献的重点是相对于测量噪声的鲁棒性，只有少数作品考虑利用概率信息的干扰性能为导向的控制，在随机MPC。在这项工作中，我们提出了一种新的数据驱动的随机预测控制方案的机会约束LTI系统的测量噪声和附加的随机干扰。为了使其他随机和棘手的最优控制问题的确定性，我们的方法利用基于管的MPC的想法，通过将状态分解成由输入驱动的确定性标称状态和受干扰影响的随机误差状态。通过收紧约束的概率相对于加性干扰和鲁棒性相对于测量噪声，原始的机会约束的满意度得到保证。由此产生的数据驱动的滚动时域最优控制问题是轻量级的，递归可行的，并呈现闭环输入状态稳定的附加干扰和测量噪声。我们证明了所提出的方法的有效性，在一个仿真例子。
2023-03-27 cs.SY eess.SY
Encrypted Data-driven Predictive Cloud Control with Disturbance Observer
在数据驱动的预测云控制任务中，云服务中存储和使用的数据的隐私可能会泄露给恶意攻击者或好奇的窃听者。同态加密技术可以在允许计算的同时保护数据隐私。然而，同态加密扩展引入了额外的错误，以确保隐私保护性能，实数截断也带来了不确定性。同时，系统输入输出中存在的过程噪声和测量噪声也会对系统产生干扰。在这项工作中，一个数据驱动的预测云控制器的基础上同态加密，以保护云数据隐私。此外，引入干扰观测器对云中计算的加密控制信号序列进行估计和补偿。通过加密保证了数据的隐私性，实验结果表明了云边缘协同设计的效果。
2023-02-06 cs.CR cs.SY eess.SY
Coordinated Energy-Trajectory Economic Model Predictive Control for Autonomous Surface Vehicles under Disturbances
本文提出一种协调能量与轨迹的经济模型预测控制方法，通过能量等效惩罚和运动分解终端成本估计，在扰动下以极低能耗代价显著提升自主水面航行器路径跟踪精度，并完成实船验证。
2025-03-10 cs.SY eess.SY
Predictive Control based on Equivalent Dynamic Linearization Model
本文提出基于等效动态线性化模型的预测控制方法，用于单输入单输出及多输入多输出非线性或线性系统，通过扰动补偿解决扰动抑制问题，性能分析清晰，便于工程应用。
2023-11-10 cs.SY eess.SY
Learning-based Rigid Tube Model Predictive Control
针对真实扰动集未知的约束离散线性系统，提出融合在线学习的刚性管式MPC算法，用参数化量化扰动集在线逼近真实扰动集，可高效更新刚性管，具备概率递归可行性，效果优于传统鲁棒MPC。
2024-05-21 cs.SY eess.SY math.OC
Learning-based Predictive Path Following Control for Nonlinear Systems Under Uncertain Disturbances
Sun Yat-Sen University（中山大学）
精确的路径跟踪是具有挑战性的自主机器人在不确定的环境中运行。自适应和预测控制策略对于非线性机器人系统实现高性能的路径跟踪控制至关重要。在本文中，我们提出了一种新的基于学习的预测控制方案，耦合一个高层次的模型预测路径跟踪控制器（MPFC）与低层次的基于学习的反馈线性化控制器（LB-FBLC）的非线性系统的不确定性干扰。低层LB-FBLC利用高斯过程在线学习不确定的环境扰动，并在概率稳定性保证下精确跟踪参考状态。同时，高层MPFC利用线性化系统模型，通过虚拟线性路径动力学模型对路径参考目标的演化进行优化，为底层LB-FBLC提供参考状态和控制。仿真结果表明，所提出的控制策略的有效性四旋翼路径跟踪任务下未知的风干扰。
2022-12-26 cs.RO cs.SY eess.SY
Design and Performance Analysis of a Class of Generalized Predictive Controllers
针对广义预测控制设计复杂、参数影响及跟踪误差关系分析不足的问题，本文提出无需求解丢番图方程的简易GPC方法，分析系统稳态特性并仿真验证，还引入带扰动补偿的GPC与IGMVC，首次给出扰动消除的理论与仿真条件。
2023-11-06 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
Fixed-time Disturbance Observer-Based MPC Robust Trajectory Tracking Control of Quadrotor
本文提出固定时间扰动观测器与模型预测控制相结合的控制算法，实现四旋翼在扰动下的鲁棒轨迹跟踪，并通过仿真与实验验证其有效性。
2024-08-30 cs.SY eess.SY
Robust offset-free constrained Model Predictive Control with Long Short-Term Memory Networks -- Extended version
针对慢时变设定点、扰动及不可测状态下的约束控制问题，提出结合LSTM网络、扰动观测器与约束收紧NMPC的方案，保证递归可行性和渐近无静差跟踪。
2024-02-12 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
Distributionally Robust Data-Driven Predictive Control for Stochastic LTI Systems
Aalborg University（奥尔堡大学）
本文提出面向随机线性时不变系统的分布鲁棒数据驱动预测控制框架，通过最小二乘法构建预测残差经验分布作为扰动分布代理，利用Wasserstein模糊集最小化最坏情况下的期望成本并满足概率输出约束，有效验证了该方法在不同扰动条件下的性能。
2026-05-08 cs.SY eess.SY
An Innovations-Based Data-Driven Kalman Predictor for Predictive Control
针对现有数据驱动卡尔曼滤波器需离线测量过程扰动的局限，提出基于新息形式的参数化方案，通过输入输出数据直接估计新息过程，实现仅用实测数据的卡尔曼预测器，并经基准仿真验证性能。
2025-11-11 cs.SY eess.SY
Predictive stability filters for nonlinear dynamical systems affected by disturbances
本文扩展预测安全滤波器框架，通过利用预测轨迹构造的隐式 Lyapunov 函数保证受扰非线性闭环系统的鲁棒渐近稳定性，并在汽车车道保持仿真中验证了所提策略。
2024-04-29 cs.SY eess.SY math.OC
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
Disturbance Preview for Nonlinear Model Predictive Trajectory Tracking of Underwater Vehicles in Wave Dominated Environments
Institute for Integrated Micro and Nano Systems, School of Engineering, University of Edinburgh（爱丁堡大学工程学院集成微纳系统研究所）
本文提出一种集成确定性海浪预测器的非线性模型预测控制器，通过扩展卡尔曼滤波器获取状态信息形成闭环策略，用于水下车辆轨迹跟踪，实验显示位置误差改善51%，姿态误差改善44.5%。
2023-07-27 cs.RO cs.SY eess.SY
Battery-Aware Predictive Trajectory Planning and Control for Multirotors Under Disturbances
University of Dayton（代顿大学）
本文提出电池感知的预测轨迹规划框架，通过闭环车辆-电机-电池传播评估候选轨迹，在扰动任务中减少7.46%能耗和72%跟踪误差，并揭示电池状态与控制器选择对轨迹的影响。
2026-09-14 cs.RO cs.SY eess.SY
Disturbance-Adaptive Data-Driven Predictive Control: Trading Comfort Violations for Savings in Building Climate Control
EPFL（洛桑联邦理工学院）
本文提出了一种扰动自适应数据驱动预测控制框架，通过减少舒适性违规来实现建筑气候控制的节能效果。
2026-02-24 cs.SY eess.SY
Improved Multi-step FCS-MPCC with Disturbance Compensation for PMSM Drives -- Methods and Experimental Validation
针对永磁同步电机（PMSM）驱动系统，提出了一种带速度环扰动补偿的改进多步有限控制集模型预测电流控制（FCS-MPCC）策略。多步预测机制有利于显著提高电机系统的稳态性能。针对传统的多步预测算法计算量大的缺点，提出了一种改进的多步有限控制集模型预测电流控制（IM MPCC）策略。此外，为了提高系统的动态响应，提出了一种基于扩展状态观测器（ESO）的扰动补偿（DC）机制，用于估计和补偿PMSM系统速度环中的总扰动。仿真和实验结果验证了所提出的控制策略的有效性。
2022-05-15 cs.SY eess.SY
Sparse Packetized Predictive Control of Disturbed Plants Over Channels with Data Loss
本文研究了线性离散时间对象在有界扰动作用下，采用分组预测控制（PPC）策略时的闭环稳定性。在所考虑的反馈回路中，控制器通过施加有界辍学的数字通信通道连接到致动器。两种PPC策略被考虑在内。在这两种情况下，通过解决稀疏促进优化问题来生成控制分组。一个是基于l2约束l0优化问题。这样的问题是放松的l1-l2优化问题，在其他稀疏PPC设置。我们利用有效的解决方法，后者的优化问题。此外，我们表明，在植物干扰的存在下，l2约束l0稀疏PPC和无约束l1-l2稀疏PPC保证实际的系统稳定性，如果满足一定的条件。更准确地说，在每种情况下，我们可以推导出一个上限的系统状态，如果设计参数满足一定的条件。我们得到的界限是增加的扰动幅度。我们通过仿真表明，在这两种情况下提出的稀疏PPC策略，较大的干扰带来的性能下降，对系统的实际稳定性没有影响。
2021-08-19 cs.SY eess.SY
Stochastic MPC for Finite Gaussian Mixture Disturbances with Guarantees
本文提出一种针对线性系统受高斯混合扰动的随机模型预测控制算法，通过分支模型预测控制与随机仿真关系满足机会约束，并保留递归可行性与闭环保证，以车辆控制案例验证。
2025-06-24 cs.SY eess.SY
A characteristic function framework for chance constraint programming in stochastic model predictive control
Linköping University（林雪平大学）
本文提出了一种适用于非高斯扰动的特征函数框架，用于解决随机模型预测控制中机会约束的计算问题，通过特征函数计算概率及其梯度，提高计算效率。
2026-05-18 cs.SY eess.SY math.OC
A Model Predictive Control Approach for Quadrotor Cruise Control
本文针对四旋翼巡航控制问题，先设计理想场景下的全状态反馈MPC，再针对实际风干扰开发输出反馈无偏移MPC，通过稳定性分析和数值仿真验证其能实现悬停稳定、参考跟踪及干扰抑制。
2025-04-17 cs.SY eess.SY
Recursively Feasible Stochastic Model Predictive Control using Indirect Feedback
Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所）
本文提出了一种适用于线性离散时间系统且能处理可能无界和相关加性随机扰动序列的随机模型预测控制方法。通过概率可达集的概念，将机会约束类比于鲁棒MPC进行约束紧缩。引入一种初始化方法，保证递归可行性，从而可轻易证明闭环系统的机会约束满足。在加性扰动假设为独立同分布零均值的情况下，还提供了平均渐近性能界。两个示例展示了该方法，突显了新初始化方案的反馈特性以及在建筑控制设置中包含时变相关扰动。
2019-01-21 cs.SY eess.SY
Sampling-based Stochastic Data-driven Predictive Control under Data Uncertainty - Extended Version
针对受有界加性扰动的线性时不变系统，提出基于Willems引理扩展的随机约束输出反馈数据驱动预测控制方案，通过新型未知扰动参数化以采样方式近似机会约束，保证递归可行性等特性，经数值算例验证有效。
2025-10-06 cs.SY eess.SY
Stochastic Model Predictive Control for Linear Systems using Probabilistic Reachable Sets
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）
本文提出了一种用于受可能无限加性扰动影响的线性离散时间系统的随机模型预测控制（MPC）算法，通过概率可达集的概念来处理约束，基于单峰扰动分布假设，保证闭环机会约束的满足，并在不可行时采用回退到先前时间步的控制方案，同时给出了渐近平均性能界。
2018-09-20 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
Predictive Beam Tracking for Sea-Air Communication under Wave-Induced Disturbances
Harbin Engineering University（哈尔滨工程大学）；Nanjing University of Information Science and Technology（南京信息工程大学）
针对海空网络中无人机跟踪无人船时的波束失准问题，提出基于通感一体化的预测性波束跟踪方案，通过宽窄波束切换和时间分配优化，实现鲁棒感知与高速通信，仿真验证了其高跟踪精度。
2026-11-03 cs.SY eess.SY
Robust multi-rate predictive control using multi-step prediction models learned from data
本文扩展了最近提出的一种算法，用于受过程和测量干扰的渐进稳定、线性时不变系统的模型辨识和鲁棒MPC。独立的输出预测为不同的步骤提前估计集成员的方法。它在这里示出，相应的预测误差界是最保守的所考虑的模型类。然后，一个新的多速率鲁棒MPC算法的开发，采用所述多步预测器鲁棒地强制约束和稳定性对干扰和模型的不确定性，并减少保守性。仿真实例验证了该方法的有效性。
2021-02-27 cs.SY eess.SY
Dual-Channel Adaptive NMPC for Quadrotor under Instantaneous Impact and Payload Disturbances
本文提出双通道自适应非线性模型预测控制（DCA-NMPC），通过级联NMPC与两个底层模型参考自适应控制器，解决四旋翼捕获有质量物体时的瞬时冲击和载荷不确定性问题，并通过数值仿真验证其有效性。
2025-07-21 cs.SY eess.SY
Model Predictive Control for Cooperative Docking Between Autonomous Surface Vehicles with Disturbance Rejection
Delft Center for Systems and Control（代尔夫特系统与控制中心）
本文提出基于模型预测控制的自主水面车辆协同对接方法，通过集中式控制策略实现更高效稳定的对接性能。
2025-12-08 cs.RO cs.SY eess.SY
Set-Estimation based Networked Model Predictive Control for Energy Management of Faulty Microgrids
本文讨论了部分故障微电网的潮流控制问题。在微电网控制系统中，电气层和通信层都可能发生故障。这可能对微电网的运行产生严重影响。此外，扰动总是与微电网中的故障共存，这可能进一步恶化系统性能。为了同时解决故障和干扰问题，提出了一种基于集员估计（SME）的模型预测控制（MPC）方法，该方法通过通信网络传输信息。当电气设备不工作或发生通信故障时，相应的系统状态将变得不可用。为此，SME方法被用来估计未知但有界的过程和测量干扰存在的状态。利用光伏发电量和负荷需求的预测，设计了网络化预测控制方法来调度电力调度。通过这两种方法，可以实现容错控制。此外，提出了一种偏差补偿方法来补偿预测误差。所提出的控制策略的有效性证明通过无线通信测试使用树莓派。
2021-06-07 cs.SY eess.SY
A model predictive control framework with robust stability guarantees under unbounded disturbances
ETH Zurich（苏黎世联邦理工学院）；Imperial College London（帝国理工学院）
本文提出了一种具有鲁棒稳定保证的MPC框架，通过惩罚项放松初始状态约束，解决了无界扰动下的稳定性问题，并在名义条件下实现接近最优性能。
2026-10-28 cs.SY eess.SY math.OC
Shrinking Horizon Model Predictive Control with Signal Temporal Logic Constraints under Stochastic Disturbances
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
本文提出在随机扰动下，针对离散时间线性系统，利用信号时间逻辑约束的SHMPC方法，通过优化问题在每一步解决线性约束，实现在HVAC系统中的有效控制。
2017-05-05 cs.LO cs.SY eess.SY
Stochastic Model Predictive Control using Initial State Optimization
我们提出了一个随机MPC计划使用的初始状态的预测轨迹的优化。考虑线性离散时间系统在无界加性随机干扰下的机会约束，我们使用基于概率可达集的约束收紧设计MPC。该方案通过将初始状态作为决策变量，避免了无界扰动引起的不可行性问题。我们证明了稳定控制方案可以保证约束满足闭环，假设单峰干扰。除了说明这些保证，数值例子表明优化的瞬态行为的初始状态的进一步的优势。
2022-07-18 cs.SY eess.SY math.OC
Model Predictive Wave Disturbance Rejection for Underwater Soft Robotic Manipulators
Institute for Integrated Micro and Nano Systems, University of Edinburgh（爱丁堡大学集成微纳系统研究所）；TU Delft（代尔夫特理工大学）
针对浅水波浪扰动下水下软体机械臂的精确控制问题，提出基于非线性模型预测控制并显式考虑波浪扰动的策略，在多种任务中使位置误差较基线降低达84%，为危险水域软体机械臂应用奠定基础。
2024-01-24 cs.RO 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
Distributionally robust two-stage model predictive control: adaptive constraint tightening with stability guarantee
The Seventh Research Division, Beihang University（北京航空航天大学第七研究院）
针对时变未知均值和协方差的随机扰动，提出一种两阶段分布鲁棒模型预测控制（TSDR-MPC）方案，通过Wasserstein模糊集实现自适应约束收紧，并开发有限收敛切割平面算法，理论保证可行性与稳定性。
2026-06-09 cs.SY eess.SY
Real-Time Reconfiguration and Connectivity Maintenance for AUVs Network Under External Disturbances using Distributed Nonlinear Model Predictive Control
针对动态水下环境中多AUV通信受限、编队难以实时重构与连通性难以维持的问题，提出集成CLF和CBF的6-DOF分布式非线性模型预测控制（DNMPC）策略，并通过MATLAB和SITL仿真验证了其轨迹跟踪、编队重构及实时应用的有效性。
2024-03-23 cs.SY eess.SY
MDR-DeePC: Model-Inspired Distributionally Robust Data-Enabled Predictive Control
针对部分已知且具不确定动态的系统，提出MDR-DeePC框架，结合模型等式约束与Hankel矩阵表示并采用分布鲁棒优化，仿真证明其较标准DeePC提升了干扰抑制并降低了控制成本。
2025-06-30 cs.SY eess.SY
Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems
提出了一种用于动态复杂环境下四旋翼自主导航的新型轨迹跟踪器。所提出的框架集成了一个分布式强化学习（RL）估计未知的空气动力学效应到一个随机模型预测控制器（SMPC）的轨迹跟踪。由阻力和力矩变化产生的气动力效应很难直接和精确地建模。因此，大多数当前的四旋翼跟踪系统在常规控制方法中将它们视为简单的“干扰”。我们提出了基于分位数近似的分布增强干扰估计器，一种气动干扰估计器，以准确地识别干扰，即，空气动力效应的真实值和估计值之间的不确定性。简化仿射扰动反馈用于控制参数化以保证凸性，然后与SMPC集成以获得充分和非保守的控制信号。我们证明了我们的系统，以提高至少66%的累积跟踪误差与未知的和不同的空气动力相比，最近的国家的最先进的。关于传统的强化学习的不可解释性，我们提供了收敛性和稳定性保证的分布式RL和SMPC，分别与非零均值干扰。
2022-05-14 cs.AI cs.LG cs.RO
RL-based Control of UAS Subject to Significant Disturbance
Smart Mechatronics and Robotics research group, Saxion University of Applied Science（智能机电与机器人研究组，萨克斯Ion应用科学大学）；Robotics and Mechatronics research group, Faculty of Electrical Engineering, Mathematics & Computer Science, University of Twente（机器人与机电研究组，电子工程、数学与计算机科学学院，特文特大学）
本文提出了一种基于强化学习的无人机控制框架，通过学习触发信号与扰动力的关系，提前预测并对抗扰动，验证了预测策略在减少位置偏差方面的有效性。
2025-04-10 cs.LG cs.RO cs.SY
Simultaneous System Identification and Model Predictive Control with No Dynamic Regret
Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学）
本文提出一种用于非线性系统的同时系统辨识与模型预测控制算法，通过随机傅里叶特征和在线最小二乘法学习未知动态，实现次线性动态遗憾和近最优性，并在仿真与硬件实验中验证了其有效性。
2025-11-03 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-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
