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
Linear tracking MPC for nonlinear systems Part II: The data-driven case
提出了一种新的数据驱动的模型预测控制(MPC)方法来控制未知的非线性系统仅使用测量的输入输出数据与闭环稳定性保证。我们的计划依赖于数据驱动的系统参数化提供的基本引理Willems等人。我们使用新的输入输出测量在线更新数据,利用本地线性逼近的底层系统。我们证明,我们的MPC计划,这只需要解决严格凸二次规划在线,确保闭环(实际)收敛到(未知)的最佳可达平衡,跟踪所需的输出参考,同时满足多面体输入约束。作为中间结果的独立利益,我们扩展的基本引理仿射系统,我们得到新的鲁棒性界w.r.t.噪声数据的开环最优控制问题,这是直接转移到其他数据驱动的MPC计划在文献中。我们的方法的适用性示出了一个连续搅拌釜式反应器的数值应用。
2022-04-14 cs.SY eess.SY math.OC
Implementation of model predictive control for tracking in embedded systems using a sparse extended ADMM algorithm
本文提出了一种稀疏的,低内存占用的优化算法,用于在嵌入式系统中实现模型预测控制(MPC)的跟踪制定。该MPC公式与标准MPC公式相比具有几个优点,例如增加的吸引域和保证的递归可行性,即使在突然的参考变化的情况下。然而,这是以向MPC的优化问题添加少量决策变量为代价的,这使其矩阵的结构复杂化。我们提出了一个稀疏优化算法,基于扩展的交替方向的乘法器,利用这种特殊的MPC制定的结构。我们描述了控制器的制定和详细说明其结构是如何利用上述优化算法。我们展示了闭环模拟比较建议的求解器对其他求解器和方法从文献。
2021-12-09 cs.SY eess.SY math.OC
MPC for Tracking applied to rendezvous with non-cooperative tumbling targets ensuring stability and feasibility
针对主动碎片清除中与非合作翻滚目标的交会,提出一种基于中间坐标变换和QP求解的模型预测追踪控制器,通过终端LQR和死区保证稳定性与可行性,并在Envisat交会模拟中验证性能。
2024-03-16 cs.SY eess.SY math.OC
Neural Network and ANFIS based auto-adaptive MPC for path tracking in autonomous vehicles
IBISC-EA4526, Université Paris-Saclay, Évry, France(IBISC-EA4526,巴黎-萨克雷大学,埃夫里,法国)
针对自动驾驶横向控制中经典控制器在不确定环境下失效的问题,本文提出一种由改进粒子群优化整定、通过神经网络和ANFIS在线自适应参数的MPC控制器,并在三车道变换和轨迹跟踪场景中验证了其优于标准MPC的性能。
2025-09-21 cs.RO math.OC
An efficient bounded-variable nonlinear least-squares algorithm for embedded MPC
本文提出了一种新的方法来解决线性和非线性模型预测控制(MPC)的问题,需要小的内存占用和吞吐量,特别适合当模型和/或控制器参数在运行时发生变化。典型地,MPC需要两个阶段:1)基于给定的MPC参数(预测模型、调整权重、预测范围和约束)构造最优化问题,这导致二次或非线性规划问题,然后2)调用优化算法来解决所产生的问题。在所提出的方法中,系统地消除了问题构造步骤,因为在优化算法中,问题矩阵是用MPC参数的抽象函数表示的。我们提出了一个统一的算法框架,基于活动集方法与有界变量,可以应付线性,非线性和自适应MPC变量的基础上广泛的一类预测模型和平方和费用函数。理论和数值结果表明,潜在的,适用性和效率的实际实时嵌入式MPC的框架。
2021-03-24 cs.SY eess.SY math.OC
Safe continual learning in model predictive control with prescribed bounds on the tracking error
针对未知连续时间非线性系统,提出在鲁棒漏斗 MPC 中加入在线机器学习组件的三组件安全持续学习方法,在保证跟踪误差规定界限的同时自适应模型。
2025-02-15 math.OC
Exponential stability of data-driven nonlinear MPC based on input/output models
TU Ilmenau(埃尔朗根-纽伦堡工业大学);University of Pavia(帕维亚大学);Imperial College London(伦敦帝国理工学院)
针对无终端稳定条件的数据驱动非线性模型预测控制,通过假设指数可镇定性和比例误差界,证明了预测 horizon 足够长时的指数稳定性,并用核插值验证了近似条件。
2026-05-26 cs.SY eess.SY math.OC
On model predictive control with sampled-data input for output tracking with prescribed performance
提出一种带采样数据输入的MPC方案,通过显式推导控制输入与采样频率边界,在无需终端条件和长预测时域下实现相对阶为一系统的预设性能输出跟踪。
2024-03-27 math.OC
Discrete-time Control Barrier Functions for Guaranteed Recursive Feasibility in Nonlinear MPC: An Application to Lane Merging
本文提出DTCBF和qDTCBF证书作为非线性MPC终端要素以保证递归可行性,其中qDTCBF可在更紧输入约束下满足条件,并在自动驾驶车道合并场景中通过仿真验证了方法的有效性。
2023-09-20 cs.SY eess.SY math.OC
Offset-free Nonlinear MPC with Koopman-based Surrogate Models
本文针对基于EDMD的代理模型设计了无偏置非线性MPC,通过引入观测器估计的扰动项和参考计算器,在建模误差渐近常数的假设下实现了受控输出的无偏置跟踪,并在van-der-Pol振荡器和四水箱过程基准上验证了有效性。
2025-04-30 cs.SY eess.SY math.OC
Robust Funnel Model Predictive Control for output tracking with prescribed performance
针对相对阶一且内部动态稳定的非线性MIMO系统,提出结合漏斗MPC与无模型自适应漏斗控制器的鲁棒方案,在未知扰动和模型失配下保证预定性能跟踪,并证明无需终端条件的初始与递归可行性。
2023-12-12 math.OC
An explicit dual control approach for constrained reference tracking of uncertain linear systems
研究了一类线性动力系统的有限时域最优跟踪问题,该系统的状态空间矩阵具有参数不确定性,且存在外部干扰。一个次优的解决方案,提出了使用模型预测控制(MPC)的显式对偶控制方法,使主动不确定性学习。提出了一种新的鲁棒不变在线终端集和终端控制器的设计算法。采用集员辨识方法在线更新系统的参数不确定性。预测的最坏情况下的成本中使用的MPC最优化问题的控制输入的双重效果建模。使用建议的终端集和剩余时间范围的收缩性来估计成本,以便优化器可以估计勘探的未来收益。所提出的双重控制算法确保了鲁棒约束满足和递归可行性,并使用鲁棒性能指标导航的探索-开发权衡。
2022-02-04 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
Approximate Dynamic Programming based Model Predictive Control of Nonlinear systems
针对离散时间非线性系统最优控制,提出基于近似动态规划的MPC,通过切换系统近似计算二次值函数,并用多阶段方案提升精度、纳入状态约束,多水箱实验表明其在线计算量显著低于非线性MPC。
2023-12-10 cs.SY eess.SY math.OC
An Offset-Free Nonlinear MPC scheme for systems learned by Neural NARX models
Politecnico di Milano(米兰理工大学)
本文讨论了非线性MPC控制器的设计,它为神经非线性自回归外生(NNARX)网络描述的模型提供无偏移的设定点跟踪。NNARX模型是根据从工厂收集的输入输出数据识别的,并且可以给出具有由过去的输入和输出变量形成的已知可测量状态的状态空间表示,使得不需要状态观测器。在训练阶段,增量输入到状态稳定性(δISS)属性可以在与被控对象的行为一致时被强制。然后利用δISS属性对输出跟踪误差进行显式积分操作来增强模型,这允许实现对所设计的控制方案的无偏移跟踪能力。所提出的控制架构进行了数值测试的水加热系统和所取得的结果进行了比较,得分由另一个流行的偏移免费MPC方法,表明所提出的计划达到显着的性能,即使在存在的干扰作用于植物。
2023-01-13 cs.LG cs.SY eess.SY
Nonlinear MPC for Feedback-Interconnected Systems: a Suboptimal and Reduced-Order Model Approach
University of Bologna(博洛尼亚大学)
本文提出了一种针对离散时间反馈互联系统的次优降阶MPC架构,通过有限次优化迭代和降阶模型实现次优控制,证明闭环系统具有全局指数稳定性。
2026-04-02 cs.SY eess.SY math.OC
Funnel MPC with feasibility constraints for nonlinear systems with arbitrary relative degree
利用最近引入的漏斗预测控制技术,研究了相对阶已知且内动态稳定的非线性系统的跟踪控制问题。我们的目标是实现规定的性能漏斗内的跟踪误差的演变。我们提出了一种新的阶段成本漏斗MPC,早期的设计扩展到任意相对程度的情况下,并表明,控制目标以及初始和递归的可行性总是实现-不需要任何终端条件或足够长的预测范围。我们只在最优控制问题中施加一个额外的可行性约束。
2022-05-25 math.OC
Alpaqa: A matrix-free solver for nonlinear MPC and large-scale nonconvex optimization
本文介绍了alpaqa,一个开源的C++实现的增广拉格朗日方法的非凸约束数值优化,使用一阶PANOC算法作为内部求解器。该实现被打包为一个易于使用的库,可以在C++和Python中使用。此外,提出了两个改进的PANOC算法,并证明其有效性在NMPC的应用程序和CUTEst基准的数值优化。alpaqa库的信源编码可以在https://github.com/kul-optec/alpaqa上获得,二进制包可以从https://pypi.org/project/alpaqa上安装。
2021-12-04 cs.SY eess.SY math.OC
Model Predictive Control for output tracking with prescribed performance
Universität Paderborn(帕德博恩大学)
本研究提出了一种基于预定性能的MPC框架,通过融合模型预测优化与自适应反馈补偿,实现非线性系统在预定误差范围内的输出跟踪,同时提升预测精度和鲁棒性。
2026-02-25 math.OC
A Minimum-propellant Pontryagin-based Nonlinear MPC for Spacecraft Rendezvous in Lunar Orbit: the Extended Version
针对非开普勒月球轨道航天器交会,提出基于庞特里亚金最小值原理的非线性模型预测控制方法,通过设计bang-bang控制器实现最小推进剂机动,并利用简化动力学降低算法复杂度,仿真验证了其有效性。
2023-09-11 cs.SY eess.SY math.OC
Verification of Dissipativity and Evaluation of Storage Function in Economic Nonlinear MPC using Q-Learning
在经济非线性模型预测(ENMPC)的背景下,闭环稳定性与满足耗散不等式的存储函数的存在性有关。寻找存储函数一般来说-对于非线性动力学和成本-具有挑战性,最近引起了人们的关注。Q学习是一种著名的强化学习(RL)技术,它试图根据系统的状态输入转换和阶段成本来捕获动作值函数。在本文中,我们提出了使用Q-学习方法来获得的存储功能和验证的耗散性的离散时间系统的状态输入约束。我们表明,当参数化足够丰富时,非折扣Q学习能够捕获耗散问题的存储函数。所提出的方法的效率将在不同的案例研究中说明。
2021-10-25 cs.SY eess.SY math.OC
Certainty-equivalent adaptive MPC for uncertain nonlinear systems
Imperial College London(帝国理工学院)
本文提出一种结合确定性等价MPC与最小均方参数适应的方法,用于设计非线性系统的自适应控制器,具有强鲁棒性,能有效处理噪声、扰动和参数变化。
2026-07-28 cs.SY eess.SY math.OC
Full-Order Safety for Nonlinear Reduced-Order MPC
Stanford University(斯坦福大学);Imperial College London(伦敦帝国学院)
针对降阶MPC的建模误差导致约束违反问题,提出CoRE-MPC,通过带误差半径的非线性ROM规划,在保证全阶系统安全的同时,计算效率远高于全阶鲁棒MPC。
2026-10-15 cs.RO cs.SY eess.SY
Guaranteed Robust Nonlinear MPC via Disturbance Feedback
Institute for Dynamic Systems and Control(动态系统与控制研究所)
本文提出一种基于扰动反馈的鲁棒非线性MPC方法,通过将不确定系统分解为标称模型、扰动反馈控制器和误差界并利用序贯凸规划联合优化,在保证鲁棒约束满足、ISS和递归可行性的同时实现快速实时求解,并在火箭着陆等任务中验证。
2025-09-23 cs.RO cs.SY eess.SY
Automatic nonlinear MPC approximation with closed-loop guarantees
Aalto University(阿尔托大学);RWTH Aachen University(亚琛工业大学);ETH Zurich(苏黎世联邦理工学院)
针对非线性模型预测控制计算复杂度高的问题,提出非迭代算法ALKIA-X,可自动生成带闭环保证、误差可控的显式逼近控制器,降低计算量并适用于实际场景。
2024-04-11 cs.LG cs.SY eess.SY
Ensuring Stability in Networked Systems with Nonlinear MPC for Continuous Time Systems
University of Bayreuth(拜罗伊特大学);University of the Federal Armed Forces Munich(联邦国防军慕尼黑大学)
针对存在网络延迟和数据包丢失的网络化系统,提出一种无需终端约束或代价的连续时间非线性模型预测控制稳定性定理,证明在固定短控制时域条件下即可保证稳定性。
2012-08-29 cs.NI cs.SY eess.SY
Funnel MPC for nonlinear systems with arbitrary relative degree
针对现有Funnel MPC受系统相对阶限制或需额外可行性约束的问题,提出基于跟踪误差导数加权和的改进阶段代价函数,证明了其对任意相对阶非线性系统的初始与递推可行性,无需终端条件等额外要求。
2024-03-10 math.OC
Learning-based Funnel-MPC for output-constrained nonlinear systems
我们利用自适应控制技术,即漏斗控制,以建立初始和递归的可行性模型预测控制(MPC)的输出受限的非线性系统。此外,我们表明,所得到的反馈控制器优于漏斗控制器都w.r.t.零阶保持实现所需的采样速率和所需的控制动作。我们进一步提出了漏斗控制和MPC的组合,利用无模型漏斗控制器在学习阶段的性能保证和基于模型的MPC方案的优点之后。
2019-12-04 math.OC
Funnel MPC for nonlinear systems with relative degree one
我们表明,漏斗MPC,一种新的模型预测控制(MPC)计划,允许跟踪平滑的参考信号与规定的性能的非线性多输入多输出系统的相对度1与稳定的内部动态。在漏斗MPC的每次迭代中解决的最优控制问题类似于优化中使用的惩罚方法的基本思想。为此,我们提出了一个新的阶段成本设计,模仿高增益的想法(自适应)漏斗控制。我们严格展示了Funnel MPC的初始和递归可行性,而没有强加终端条件或其他要求,例如足够长的预测范围。
2022-03-16 math.OC
Constraints-Informed Neural-Laguerre Approximation of Nonlinear MPC with Application in Power Electronics
提出结合Laguerre参数化、神经网络与约束信息损失的非线性MPC逼近框架,使buck-boost变换器在FPGA上实现微秒级实时控制并保持长时域MPC性能。
2024-09-14 math.OC
Bounded-Regret MPC via Perturbation Analysis: Prediction Error, Constraints, and Nonlinearity
研究了模型预测控制(MPC),提出了一种通用的分析管道来约束其动态后悔。流水线首先需要推导出有限时间最优控制问题的扰动界。然后,利用扰动界来约束预测控制的每步误差,从而得到动态遗憾的界。因此,我们的管道减少了MPC的研究,扰动分析的研究问题,使MPC的遗憾界的推导在各种设置下。为了证明我们的管道的力量,我们用它来概括现有的遗憾界MPC在线性时变(LTV)系统,将预测误差的成本,动态和干扰。此外,我们的管道导致MPC在具有非线性动力学和约束的系统中的遗憾界。
2022-10-22 math.OC
Towards Funnel MPC for nonlinear systems with relative degree two
漏斗模型预测控制是一种新型的模型预测控制(MPC)方案,它能保证非线性多输入多输出系统的输出跟踪平滑参考信号,并具有给定的误差界。为此,阶段成本类似于漏斗控制的高增益思想。然而,严格的证明,初始和递归的可行性,而不纳入额外的输出约束的漏斗MPC计划,仅适用于系统的相对度1和稳定的内部动态。在本文中,我们将这些结果扩展到系统的相对度为2,也将一个长期的基础上的想法,一个衍生漏斗的阶段成本。
2022-02-25 math.OC
Quasi-SMC based on MPC for a constrained continuous-time nonlinear system with external disturbances
针对具有外部干扰的连续时间约束非线性系统,提出了一种基于MPC的准滑模控制方法。模型预测控制问题是与QSMC的设计相关的,以产生控制输入,该控制输入可以模仿QSMC的控制过程,并保证满足状态和输入约束。同时,重构了MPC问题的费用函数,通过调整权值参数,使得基于MPC的QSMC具有更好的收敛速度。最后,通过仿真实例验证了该方法的有效性.
2023-02-24 cs.RO math.OC
An ADMM Algorithm for MPC-based Energy Management in Hybrid Electric Vehicles with Nonlinear Losses
在本文中,我们提出了一个凸配方的模型预测控制(MPC)优化的能量管理的混合动力电动汽车,和一个交替方向法的乘法器(ADMM)算法的解决方案。我们开发了一个新的证明的凸性的问题,允许非线性动力学建模为线性系,然后证明ADMM的性能相比,动态规划(DP)通过仿真。结果表明,高达两个数量级的改善,解决方案的时间可比精度对DP。
2019-01-23 math.OC
Analysis of unconstrained nonlinear MPC schemes with time varying control horizon
对于离散时间非线性系统满足指数或有限时间能控性假设,本文给出了无稳定终端约束的模型预测控制方案的次优性估计的解析公式。基于我们的公式,我们进行了详细的分析的影响的优化范围和可能的时变控制范围的稳定性和性能的闭环。
2010-06-13 math.OC
Provably Safe Decentralized Contingency MPC under State-Only Information and Limited Sensing for Nonlinear Multi-agent Systems
针对仅状态信息与有限感知下的非线性多智能体系统,提出可证安全的分散式应急模型预测控制方法,通过新颖安全集更新机制降低保守性,在密集场景中验证了其有效性。
2026-09-01 cs.MA cs.RO cs.SY
Analysis of Unconstrained Nonlinear MPC Schemes with Time Varying Control Horizons
对于满足可控性条件的非线性离散时间系统,我们给出了一个模型预测控制的稳定性条件,没有稳定终端约束或成本。该条件是根据一个分析公式给出的,该公式可以用来确定一个预测范围长度,该预测范围长度可以保证渐近稳定性或性能保证。基于该公式,进行了关于预测和可能时变的控制时域的灵敏度分析。
2012-03-30 math.OC
Efficient Nonlinear MPC by Leveraging LPV Embedding and Sequential Quadratic Programming
本文提出利用LPV嵌入和SQP构建并更新QP子问题以高效求解NMPC的NLP问题,实现快速收敛并适应系统行为,通过对比验证了方法效率,还明确了与相关方法的差异。
2025-02-18 math.OC
State space sets with common optimal feedback laws for nonlinear MPC
在模型预测控制(MPC)中,针对当前状态求解最优控制问题(OCP),并且将解的第一输入(最优反馈律)应用于系统。该过程需要在每个时间步中求解OCP。最近,提出了一种新的方法,线性MPC。线性二次型OCP的参数解是分段仿射反馈律。在状态空间中的一点处的解提供了最优反馈规律和该规律是最优解的域。只要系统保持在该域中,该定律就可以被重用,并且避免了OCP的计算。在某些域中,最优反馈律是相同的。通过合并相应的域,可以得到更大的域,并且最优反馈律可以更频繁地被重用。在本文中,我们调查在多大程度上,这种方法可以从线性扩展到非线性MPC,我们提出了一种算法,我们用一个例子来说明所取得的节省。
2020-09-09 math.OC
Nonlinear MPC with PWM applied on a small satellite
The University of Texas at Arlington(德克萨斯大学阿灵顿分校)
本文提出将PWM应用于非线性MPC以解决小型卫星姿态控制中连续控制输入的执行问题,并通过仿真验证了方法的有效性。
2025-12-02 math.OC
Safe Exploration and Escape Local Minima with Model Predictive Control under Partially Unknown Constraints
在本文中,我们提出了一种新的模型预测控制(MPC)框架的输出跟踪,处理部分未知的约束。MPC方案在学习和备份轨迹上进行优化。学习轨迹旨在探索未知和潜在的不安全区域,当且仅当这可能导致潜在的性能改进时。相反,备用轨迹位于已知空间中,并且旨在确保安全和收敛。用于学习轨迹的费用函数被划分为跟踪成本和偏移成本,而用于备份轨迹的费用函数仅被边缘地考虑并且仅惩罚偏移成本。我们表明,建议的MPC计划不仅能够安全地探索未知的约束,但也逃脱局部极小,可能会出现障碍物的存在。此外,我们提供了正式的保证MPC计划的收敛性和递归的可行性,以及闭环约束的满意度。最后,所提出的MPC方案证明了在模拟中使用的自动驾驶车辆在部分未知的环境中,未知的障碍物的例子。
2022-05-07 math.OC
Kernel EDMD for data-driven nonlinear Koopman MPC with stability guarantees
提出将面向控制系统的核 EDMD 用于数据驱动非线性 Koopman MPC,借助与状态成比例的逐点误差界,在无需终端稳定条件或不变性条件下证明闭环实用渐近稳定性并仿真验证。
2025-03-14 math.OC
Reference Condensation for Model Predictive Control with Preview
本文提出参考压缩方法,通过线性映射将未来参考轨迹压缩为单个设定点,降低参数维度,提升模型预测控制的效率和实用性。
2026-04-18 math.OC
Value Function Approximation for Nonlinear MPC: Learning a Terminal Cost Function with a Descent Property
通过监督学习学习具有下降性质的终端成本函数,以减少非线性MPC的预测时间跨度并降低在线计算复杂性。
2025-12-04 math.OC
Fast Explicit Machine Learning-Based Model Predictive Control of Nonlinear Processes Using Input Convex Neural Networks
针对显式ML-MPC因模型非凸导致候选控制动作评估耗时的问题,提出基于输入凸神经网络的显式ICNN-MPC,将其构建为凸优化问题,通过求解实时凸MIQP获最优控制,经两个化工案例验证有效。
2024-08-13 math.OC
Model Predictive Control of H5 Inverter for Transformerless PV Systems with Maximum Power Point Tracking and Leakage Current Reduction
无变压器并网太阳能光伏(PV)系统由于其多个优点而引起了更多的研究和商业兴趣,例如,漏电流小、体积小。提出了一种基于模型预测控制(MPC)的单相光伏分布式发电系统无变压器H5逆变器控制策略。该方法进一步降低了PV泄漏电流的成本效益和安全的方式,它显示了令人满意的故障穿越能力。此外,首次在单级H5逆变器中使用基于MPC的控制器实现了光伏最大功率点跟踪。进行了各种案例研究,这提供了所提出的和传统的控制方法之间的结果比较,并验证了所提出的方法有前途的性能。
2018-07-26 eess.SP math.DS math.OC