Learning Soft Constrained MPC Value Functions: Efficient MPC Design and Implementation providing Stability and Safety Guarantees
提出结合收紧软约束MPC与监督学习近似值函数的框架，实现嵌入式高效控制，保证稳定性与约束满足，并证明值函数Lipschitz连续性以支持学习过程。
2025-03-26 cs.SY eess.SY math.OC
Embedded Online Optimization for Model Predictive Control at Megahertz Rates
Imperial College London（帝国理工学院）；ETH Zürich（苏黎世联邦理工学院）
针对资源受限的嵌入式平台，提出多种基于一阶优化方法的定制计算架构，通过FPGA实现超过1 MHz采样率下的满意控制性能。
2013-03-05 cs.SY eess.SY math.OC
Implementation of soft-constrained MPC for Tracking using its semi-banded problem structure
本文针对MPC用于跟踪（MPCT）公式，提出一种保持半带状结构的软约束编码方法，以提升求解器的计算效率，并通过数值结果验证其优势。
2024-07-16 cs.SY eess.SY math.OC
Efficient online update of model predictive control in embedded systems using first-order methods
针对嵌入式系统中模型预测控制在线计算量大、要素变更需高复杂度在线计算的问题，提出一种用于一阶优化方法关键矩阵分解的高效算法，可低代价在线更新预测模型与代价函数矩阵，并通过线性时变系统实验验证了效果。
2023-12-16 cs.SY eess.SY math.OC
A Generalized Stopping Criterion for Real-Time MPC with Guaranteed Stability
本文提出一种保证渐近稳定性的线性二次MPC实时评估广义停止准则，通过固定迭代次数降低计算量，在PGDM和ADMM方法中实现次优率低于2%且计算量减少超80%。
2023-09-08 cs.SY eess.SY math.OC
On the Dual Implementation of Collision-Avoidance Constraints in Path-Following MPC for Underactuated Surface Vessels
Kiel University（基尔大学）；AVL Software and Functions GmbH（AVL软件与功能有限公司）
提出了一种将障碍物形状近似为凸多边形的路径跟踪避碰模型预测控制（MPC）方法。避免碰撞是通过有符号的距离函数来确保的，该有符号的距离函数作为MPC问题的一部分通过利用对偶公式来有效地计算。整个MPC问题可以通过标准的非线性规划（NLP）求解器来解决。双符号距离公式化产生，除了（双）碰撞避免约束，规范和一致性约束。提出了一种新的方法，结合产生的规范平等的双重碰撞避免不等式约束，以产生一个替代制定减少复杂性。移动障碍物被认为是使用单独的线性预测的障碍物位置的凸集的对偶问题。的理论研究结果和简化的比较，经常使用的椭球形障碍制定和分析方面的效率的例子，一个模拟的路径跟踪自主水面舰艇在一个现实的机动和AIS障碍数据从基尔湾地区。
2021-03-12 cs.RO cs.SY eess.SY
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
Improving Fast Dual Ascent for MPC - Part II: The Embedded Case
最近，一些作者建议使用一阶方法，如快速对偶上升和乘法器的交替方向法，嵌入式模型预测控制。主要原因是它们只能使用简单的算术运算来实现。然而，基于梯度的方法的一个已知的限制是，它们对问题数据的病态敏感。本文提出了一种快速的对偶梯度法，大大降低了对病态的敏感性。这是通过在算法中用在不同方向上具有不同曲率的二次上界来近似负对偶函数来实现的，这与标准快速梯度法中在所有方向上具有相同曲率相反。本文的主要贡献是一组矩阵，可用于形成这样的二次上界的负对偶函数的特征。我们还描述了如何选择一个矩阵，从这个集合中得到一个改进的近似的对偶函数，特别是如果它是病态的，相比标准的快速双梯度法中使用的近似。通过对一个病态AFTI-16飞机模型的数值评估，表明这种方法可以显著地改善性能。
2014-04-04 math.OC
BnB-DAQP: A Mixed-Integer QP Solver for Embedded Applications
我们提出了一种混合整数二次规划（QP）求解器，适用于嵌入式应用，例如，混合模型预测控制（MPC）。该求解器是基于分支定界法，并使用最近提出的双有效集求解器解决由此产生的QP松弛。此外，我们调整搜索的分支定界树，以适合于嵌入式应用程序在有限的硬件，我们展示，例如，如何在分支定界树中的节点可以表示只有两个整数。通过在有限内存和计算能力的MCU上成功运行小车上倒立摆的MPC，证明了求解器的可嵌入性。
2022-11-23 math.OC
Flatness-based MPC using B-splines transcription with application to a Pusher-Slider System
这项工作讨论了使用模型预测控制（MPC）的操作的推杆滑块系统。特别是，我们利用微分平坦的推杆滑块结合B样条转录，以解决计算的需求，通常是与实时实施的MPC控制器。我们展示了基于平坦度的B样条MPC控制器的仿真，并将其与使用直接多重射击的标准MPC实现方法进行比较。我们评估的计算优势的平坦度为基础的MPC经验和文件的计算加速高达65%。
2023-02-23 math.OC
Automatic Software and Computing Hardware Co-design for Predictive Control
Imperial College London（帝国理工学院）
本文提出了一种自动化MPC软件和计算硬件协同设计的框架，通过多目标优化算法BiMADS，在计算资源使用和控制器性能之间实现最优平衡。
2017-10-24 cs.SY eess.SY math.OC
Model Predictive Control using MATLAB
本教程介绍模型预测控制（MPC）的基本概念和数值实现，涵盖线性MPC和非线性MPC，以及优化问题制定、约束处理、可行性、稳定性和最优性等关键方面。
2023-09-01 math.OC
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
A software framework for embedded nonlinear model predictive control using a gradient-based augmented Lagrangian approach (GRAMPC)
提出了一种非线性MPC框架，该框架适用于采样时间在（亚）毫秒范围内的动力系统，并且允许在嵌入式硬件上高效地实现。该算法是基于一个增广拉格朗日制定与定制的梯度法的内部最小化问题。该算法在软件框架GRAMPC中实现，是早期版本的基本修订。详细的性能测试结果的基准问题，并与其他非线性MPC包。此外，运行时的结果和内存需求的GRAMPC ECU级证明其适用于嵌入式硬件。
2018-12-07 math.OC
Tractable robust MPC design based on nominal predictions
鲁棒模型预测控制（MPC）领域中的许多流行方法都是基于标称预测的。本文提出了一种新的制定这类控制器已证明的输入到状态稳定性和鲁棒约束满足。其优点是：（i）其主要成分的设计对于中型到大型系统是易处理的，（ii）终端集不需要相对于所有可能的系统不确定性是鲁棒的，而只需要对于可以任意小的缩减集是鲁棒的，从而便于其设计和实现，（iii）在某些条件下，终端集可以被视为标称系统的正不变集，允许我们使用终端等式约束，这有利于其应用到大规模的系统，和（iv）其优化问题的复杂性是可比的非鲁棒MPC变体。我们展示了其应用于多变量化工厂的数值闭环结果，并将其与其他鲁棒MPC制剂进行比较。
2022-02-19 cs.SY eess.SY 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
L4acados: Learning-based models for acados, applied to Gaussian process-based predictive control
Robert Bosch GmbH, Corporate Research（博世公司，企业研究部）；ELO-X；DFG via 424107692 and 504452366 (SPP 2364)（德国联邦教育与研究部（DFG）通过424107692和504452366（SPP 2364））
本文提出L4acados框架，将Python动态模型集成到acados中，实现基于学习的残差模型的MPC控制器，并展示其在自动驾驶和微型赛车中的应用。
2025-11-27 cs.RO cs.SY eess.SY
Distributed and Localized Model Predictive Control. Part I: Synthesis and Implementation
随着大规模分布式系统的出现，对可扩展的控制策略的需求日益突出，而这种控制策略只需要本地通信。此外，在安全关键系统中，这种控制策略必须在存在干扰的情况下处理约束。针对这一需求，本文提出了一种适用于大规模线性系的分布式局部模型预测控制算法。DLMPC是一种分布式闭环模型预测控制（MPC）方案，其中仅需要在子系统之间交换局部状态和模型信息以用于控制动作的计算和实施。我们使用的系统级综合（SLS）框架重新制定的集中MPC问题，并表明，这使我们能够自然地施加本地化的子控制器之间的通信约束。由此产生的问题的结构，可以利用开发一个交替方向法的乘数（ADMM）为基础的算法，允许分布式和本地计算的闭环控制政策。我们证明了DLMPC中每个子系统所解决的子问题的计算复杂性与全局系统的大小无关。据我们所知，DLMPC是第一个MPC算法，允许可扩展的分布式计算以及分布式闭环控制策略的实施，并似乎处理添加剂干扰。在我们的配套文件中，我们证明了这种方法具有递归的可行性和渐近稳定性。
2022-03-15 math.OC
Efficient Zero-Order Robust Optimization for Real-Time Model Predictive Control with acados
本文将 zoRO 与 RTI 结合并在 acados 中基于 BLASFEO 高效实现，降低不确定性感知管型 MPC 的计算开销，机器人实验显示计算时间较原实现减少十倍。
2023-11-08 math.OC
Efficiently solving the harmonic model predictive control formulation
谐波模型预测控制（HMPC）是一种模型预测控制（MPC）公式，它比其他MPC公式显示出几个优点，特别是当使用小的预测时域时。然而，这些益处是以优化问题为代价的，该优化问题由于包括特定类别的二阶锥约束而不再是从大多数线性MPC公式导出的典型二次规划问题。本文提出了一种方法，有效地处理这些约束的算子分裂方法，导致一个计算时间求解HMPC符合最先进的求解器线性MPC。我们将展示如何将这一结果应用到乘数算法的交替方向法，提出了一个求解器，我们比较其他求解器从文献中，包括求解器为其他线性MPC配方。结果表明，所提出的求解器，并通过扩展的HMPC制定，是适合其在嵌入式系统中的实施。
2022-11-15 math.OC
Multiscale Model Predictive Control of Battery Systems for Frequency Regulation Markets using Physics-Based Models
我们提出了一个多尺度模型预测控制（MPC）框架的固定电池系统，利用高保真模型来权衡短期的经济激励所提供的能源和频率调节（FR）市场和长期的退化效应。我们发现，MPC框架可以大大减少长期退化，同时适当地响应FR和能源市场信号（相比MPC配方，使用低保真度模型）。我们的研究结果还提供了证据，复杂的电池模型可以嵌入到闭环MPC模拟使用现代非线性规划求解器（我们提供了一个有效的和易于使用的实现在朱莉娅）。我们使用模拟获得的见解来设计一个低复杂度的MPC公式，该公式与高保真模型获得的行为相匹配。这是通过设计一个合适的终端惩罚长期隐含捕获长期退化。结果表明，复杂的退化行为可以在低复杂度MPC配方通过适当地设计的费用函数。我们相信，我们的概念验证结果可能具有行业相关性，因为电池供应商正在寻求参与快速变化的电力市场，同时保持资产完整性。
2020-04-13 math.OC
Robust and Efficient Embedded Convex Optimization through First-Order Adaptive Caching
School of Engineering and Applied Science, Columbia University（哥伦比亚大学工程与应用科学学院）；Barnard College, Columbia University（哥伦比亚大学巴纳德学院）；Dartmouth College（达特茅斯学院）
本文提出一阶自适应缓存方法，通过预计算矩阵运算及其对超参数的灵敏度，在不完全重算缓存的情况下实现在线超参数更新，显著减少 ADMM 迭代次数并降低计算复杂度，成功应用于 27g 微型四旋翼的八字形轨迹飞行。
2025-07-04 cs.RO math.OC
