Online Robust MPC based Emergency Maneuvering System for Autonomous Vehicles
非线性鲁棒模型预测控制（RMPC）能够同时兼顾鲁棒性和控制性能的多个目标，为机动车辆的自动应急机动控制提供了一种很有前途的解决方案。尽管RMPC给出了一个次优的解决方案，但实时实现的关键挑战是它在计算上要求很高。本文提出了一种基于鲁棒管MPC的实时紧急避障转向控制框架。该框架的新颖之处在于自主车辆的路径规划和路径跟踪任务的鲁棒集成。仿真研究表明，鲁棒性能的改善，由于所提出的战略在不同的极端机动情况下，非鲁棒MPC。
2021-09-27 cs.SY eess.SY
Adaptive Model Predictive Control for Ground Vehicles: Review and Demonstrative Implementation
Department of Electrical and Electronics Engineering, BITS Pilani Goa（BITS 果阿分校电气电子工程系）
本文综述了自动驾驶车辆的自适应模型预测控制方法，分析传统模型预测控制的不足，涵盖多种自适应MPC类型，并通过仿真示范其在轨迹跟踪中的权重与速度自适应应用。
2026-08-19 cs.SY eess.SY
MPC-Based Real-Time Charging Coordination for Electric Vehicle Aggregator to Provide Regulation Service in a Market Environment
研究了电动汽车聚集器（EVA）的最优运行问题。EVA可以通过其当前和即将推出的电动汽车参与能源和监管市场，从而降低购买能源以满足电动汽车充电要求的总成本。基于MPC的优化模型的开发，以考虑未来到来的电动汽车以及能源和监管价格。利用CVaR指标对EVA的风险厌恶程度进行建模。在1000-EV测试系统上的仿真验证了我们的工作在实现利润丰厚的收入，同时满足电动汽车车主的充电请求的有效性。
2021-11-09 cs.SY eess.SY
MPC-Based Operation Strategy for Electric Vehicle Aggregators Considering Regulation Markets
研究了电动汽车聚集器（EVA）的最优运行问题。EVA可以通过其当前和即将推出的电动汽车参与能源和监管市场，从而降低购买能源以满足电动汽车充电要求的总成本。一个模型预测控制（MPC）为基础的优化开发，以考虑未来的到来，电动汽车以及能源和监管价格。条件风险价值（CVaR）指标被用来模拟EVA的风险厌恶程度。在2000-EV测试系统上的仿真验证了我们工作的有效性，在满足EV车主充电请求的同时实现了丰厚的收入。
2022-07-04 cs.SY eess.SY
MPC-based Reinforcement Learning for a Simplified Freight Mission of Autonomous Surface Vehicles
在这项工作中，我们提出了一个模型预测控制（MPC）为基础的强化学习（RL）方法的自主地面车辆（ASVs）。我们的目标是找到一个最佳的政策，最大限度地减少了一个简化的货运任务，包括无碰撞路径跟踪，自主对接，以及它们之间的巧妙过渡的闭环性能。我们使用一个参数化的MPC方案来近似最优策略，该方案考虑了路径跟踪/对接成本和状态（位置，速度）/输入（推力，角度）约束。基于最小二乘时间差（LSTD）的确定性策略梯度（DPG）方法，然后应用更新的政策参数。仿真结果表明，所提出的基于MPC-LSTD的DPG方法可以提高ASV货运任务问题学习过程中的闭环性能。
2021-08-05 cs.SY eess.SY
Application of Data-Driven Model Predictive Control for Autonomous Vehicle Steering
本文提出将数据驱动MPC应用于自动驾驶车辆转向，避免复杂建模，通过CarSim-Simulink仿真验证，相比PID和运动学MPC，该方法计算时间低、误差小，具有可行性和优越性。
2024-07-18 cs.SY eess.SY
Economic MPC-based planning for marine vehicles: Tuning safety and energy efficiency
能源效率和安全性是船舶在障碍物环境中运行的两个关键目标，它们通常相互冲突。本文提出了一种基于经济模型预测控制（EMPC）框架的船舶运动规划方法。首先，设计具有最大安全裕度的可行轨迹，并将其作为跟踪参考。其次，设计了基于EMPC的滚动时域运动规划算法，在该算法中，规划轨迹和参考之间的距离）。实验结果验证了该方法的有效性和可行性。
2021-12-10 cs.SY eess.SY
Optimal Weight Adaptation of Model Predictive Control for Connected and Automated Vehicles in Mixed Traffic with Bayesian Optimization
针对混合交通环境下的互联自动车辆（CAV），提出了一种最优权值自适应模型预测控制（MPC）策略.我们将CAV和人类驾驶车辆（HDV）之间的相互作用建模为同时博弈，并制定了博弈论MPC问题，以找到博弈的纳什均衡。在MPC问题中，HDV目标函数中的权重可以使用移动时域逆强化学习在线学习。使用贝叶斯优化，我们提出了一种策略，以最佳地适应CAV的目标函数的权重，使预期的真实成本时，使用MPC在模拟中可以最小化。最后通过一个无信号交叉口的车辆过街算例验证了该优化策略的有效性。
2023-03-10 cs.SY eess.SY
Fast Zonotope-Tube-based LPV-MPC for Autonomous Vehicles
在本文中，我们提出了一个有效的在线管为基础的模型预测控制（T-MPC）解决方案的自动驾驶，旨在提高计算负荷，同时确保鲁棒稳定性和性能在快速和干扰的情况下。通过将非线性车辆方程转化为线性变参数（LPV）形式，将非线性原问题转化为伪线性问题。提出了一种由标称控制器和校正局部控制器组成的控制方案。首先，局部控制器被设计为能够抑制外部干扰的多面体LPV-H $_{\infty}$控制器。此外，有限数量的精确可达集，也称为管，计算在线使用zonotopes考虑到系统的动态，本地控制器和diturbance不确定性的界限。其次，名义控制器被设计为MPC，其中LPV车辆模型用于加快计算时间，同时保持准确的车辆表示。该模型采用带拓扑的可达性理论，在线改变状态和输入约束，保证了模型在外生扰动下的鲁棒可行性和稳定性。最后，我们测试了所提出的方案，并将局部控制器性能与最先进的LQR设计进行了比较。我们证明了它的有效性，在一个受干扰的快速驾驶的情况下，能够拒绝强烈的外源性干扰，并以非常低的计算成本实现强加的约束。
2020-09-04 cs.SY eess.SY
Automated Lane Change via Adaptive Interactive MPC: Human-in-the-Loop Experiments
本文提出自适应交互式混合整数MPC（aiMPC）算法，通过联合优化与逆最优控制推测人类驾驶车辆代价，实现自动驾驶车辆在强制变道场景中的高效交互，并在人在环实验中验证其提升两车机动性的效果。
2024-11-21 cs.SY eess.SY
Coordinated Control of Autonomous Vehicles for Traffic Density Reduction at a Signalized Junction: An MPC Approach
本文提出一种双模式MPC架构，用于信号交叉口交通密度降低和高密度下的协作换道，并通过最大控制不变终端集保证递归可行性与收敛性，仿真验证了其有效性。
2025-11-07 cs.SY eess.SY
MPC-CSAS: Multi-Party Computation for Real-time Privacy-preserving Speed Advisory Systems
作为高级驾驶员辅助系统（ADAS）的一部分，已经提出了基于车速的速度咨询系统（CSAS），以针对特定应用目的（例如排放控制和能量管理）向一组车辆推荐共同的速度。随着车辆到车辆（V2 V）、车辆到基础设施（V2 I）技术和先进的控制理论的到位，最先进的CSAS可以被设计成以隐私保护和分散的方式获得最佳速度。然而，目前的方法只适用于特定的代价函数的车辆，其执行通常涉及许多算法迭代导致收敛时间长。因此，国家的最先进的设计方法是不适用于CSAS设计，需要实时决策。在本文中，我们解决这个问题，通过引入MPC-CSAS，多方计算（MPC）为基础的设计方法的隐私保护CSAS。我们提出的方法是简单的实施和适用于所有类型的代价函数的车辆。此外，我们的仿真结果表明，建议的MPC-CSAS可以实现非常有前途的系统性能，在一个算法迭代，而不需要使用额外的基础设施，一个典型的CSAS。
2021-01-16 cs.SY eess.SY
Real-time Distributed MPC for Multiple Underwater Vehicles with Limited Communication Data-rates
由于智能体之间的低带宽通信，控制一队自主水下航行器可能具有挑战性。本文提出了解决这一挑战，通过优化的量化设计代理之间的通信，用于分布式算法。所提出的方法考虑两个阶段的问题，多AUV的控制：离线阶段的量化设计进行优化;和在线阶段的基础上的分布式模型预测控制制定和分布式优化算法与量化。标准性能的递归的可行性和稳定性的闭环系统进行了分析，并模拟用于演示所提出的方法的整体行为。
2020-11-26 cs.SY eess.SY
Robust tube-based LPV-MPC for autonomous lane keeping
提出了一种车辆自主车道保持的控制结构。本文将汽车动力学分为横向动力学和纵向动力学两部分。因此，控制架构包括两个相继的控制器。纵向模型预测控制（MPC）使车辆跟踪假定由速度规划器生成的期望纵向速度。然后，纵向速度被传递到横向MPC以保持车道。由于横向动力学对纵向速度的依赖性，它们以线性参数变化（LPV）形式表示，其中其调度参数是车辆的纵向速度。为了处理未来纵向速度（调度参数）的不精确信息，考虑了未来纵向速度的标称轨迹周围的不确定性的界限。然后，采用基于管道的LPV-MPC来控制横向动力学，以实现车道保持目标。最后，通过仿真实验验证了所提方法的有效性。
2022-10-06 cs.SY eess.SY
What is the Best Way to Optimally Parameterize the MPC Cost Function for Vehicle Guidance?
模型预测控制（MPC）是一种很有前途的自动驾驶汽车横向和纵向控制方法。然而，MPC的参数化方面的高层次的要求，如乘客的舒适性以及横向和纵向跟踪是一个具有挑战性的任务。需要考虑许多调优参数以及相互冲突的要求。这一贡献制定MPC调整任务作为一个多目标优化问题。解决它是具有挑战性的两个原因：第一，MPC参数化计算昂贵的仿真环境进行评估。因此，所使用的优化算法需要尽可能的采样效率。第二，对于某些较差的参数化，无法完成模拟，因此无法获得有用的目标函数值（带碰撞约束的学习）。在这篇文章中，我们比较了多目标粒子群优化（MOPSO），遗传算法（NSGA-II）和多个版本的贝叶斯优化（BO）的样本效率。我们扩展了BO，通过引入自适应的批量大小来限制计算开销，并通过一种方法来处理崩溃约束。结果表明，BO最适合于小预算，NSGA-II最适合于中等预算，而对于大预算，没有一个评估的优化器优于随机搜索。两种提议的BO扩展都被证明是有益的。
2022-12-11 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
Interaction-Aware Motion Planning for Autonomous Vehicles with Multi-Modal Obstacle Uncertainty Predictions
本文提出一种结合IAIMM-KF多模态预测与MPC的自动驾驶车辆交互安全感知运动规划方法，通过引入可调参数平衡性能与鲁棒性，在复杂交通场景中实现安全避碰与轨迹跟踪。
2023-09-13 cs.SY eess.SY
Vertical Vibration Reduction of Maglev Vehicles using Nonlinear MPC
本文提出一种将机械悬挂动力学纳入模型的非线性MPC策略，通过同时建模电磁力与悬挂行为来抑制高速磁悬浮列车垂向振动，并在Transrapid多体模型仿真中验证其优于现有控制器。
2025-07-17 cs.SY eess.SY
Optimal Charging of an Electric Vehicle Battery Pack: A Real-Time Sensitivity-Based MPC approach
锂离子电池组通常由数百个串联和并联的电池组成。这些复杂设备的正常运行需要合适的电池管理系统（BMS）。先进的BMS依赖于数学模型来确保安全性和高性能。虽然已经提出了许多方法来管理单个电池，但对多个电池的控制研究较少，并且通常依赖于简化模型，例如等效电路模型。本文讨论了管理的电池组中，每个细胞是明确建模为单粒子模型与电解质和热动力学。提出了一种非线性模型预测控制（MPC），用于在考虑每个电池的电压和温度限制的情况下对电池组进行最优充电。由于非线性MPC的计算成本显着增长的基础模型的复杂性，提出了一种基于灵敏度的MPC（sMPC），其中所采用的模型是通过线性化的动态沿标称轨迹随时间更新。所得到的sMPC优化是二次规划，即使对于大型电池组（例如，具有156个电池的全电动摩托车）也可以实时求解，同时实现与非线性MPC相同的性能。
2019-09-26 cs.SY eess.SY
Vehicle Cabin Climate MPC Parameter Tuning Using Constrained Contextual Bayesian Optimization (C-CMES)
针对车辆多区域座舱气候MPC因外部流量变化导致性能下降的整定难题，提出基于约束上下文贝叶斯优化的流量依赖鲁棒参数整定方法，含后处理平滑步骤，仿真验证其性能优于恒定参数化且超调更低、行为更一致。
2023-10-05 cs.SY eess.SY
Improving the Load Flexibility of Stratified Electric Water Heaters: Design and Experimental Validation of MPC Strategies
针对分时电价下的分层电热水器，本文提出基于三节点热模型的MPC策略，并通过仿真与实时实验证明其较单节点MPC和恒温控制可更有效降低成本、转移负荷。
2023-12-07 cs.SY eess.SY
Deep Koopman risk-preview supervised LTV-MPC for direct yaw moment control of distributed drive electric vehicles
College of Mechanical and Vehicle Engineering, Chongqing University（重庆大学机械与车辆工程学院）；Department of Automotive Engineering, Hanyang University（汉阳大学汽车工程系）；School of Vehicle Engineering, Chongqing University of Technology（重庆理工大学车辆工程学院）
针对分布式驱动电动汽车DYC易在低风险工况下过度干预的问题，提出KRG-LTV-MPC框架，结合深度Koopman模型进行风险门控，在保障稳定性的同时减少了43.9%的横摆力矩干预。
2026-08-11 cs.SY eess.SY
Model Predictive Contouring Control for Vehicle Obstacle Avoidance at the Limit of Handling
Delft University of Technology（代尔夫特理工大学）；Siemens PLM Software（西门子PLM软件公司）
针对车辆在操纵极限下的紧急避障问题，提出融合规划、跟踪与稳定性的非线性MPCC，并通过高保真仿真和实时硬件验证其性能。
2023-08-13 cs.RO cs.SY eess.SY
Reinforcement Learning with Distributed MPC for Fuel-Efficient Platoon Control with Discrete Gear Transitions
Delft Center for Systems and Control, Delft University of Technology（代尔夫特系统与控制中心，代尔夫特理工大学）
本文提出基于强化学习的分布式MPC方法，用于高效燃油车队控制，通过简化连续优化问题和多智能体分解提升计算效率。
2026-01-26 cs.SY eess.SY
Risk-aware Vehicle Motion Planning Using Bayesian LSTM-Based Model Predictive Control
Rutgers University – New Brunswick（罗格斯大学新布朗斯维克分校）
了解概率交通环境是自动驾驶车辆运动规划的一个重要挑战。为了做出可行的控制决策，预测相邻车辆的未来轨迹对于智能车辆评估潜在冲突并做出反应以降低风险至关重要。本文首先介绍了贝叶斯长短期记忆（BLSTM）模型，以学习人类驾驶员的行为和习惯，从他们的历史轨迹数据。该模型预测周围车辆位置的概率分布，用于估计动态冲突风险。接下来，建立一个混合自动机来模拟汽车的基本运动，并根据环境信息评估实时状态空间转换的冲突风险。最后，基于BLSTM的模型预测控制（MPC）的建立，以最小的预测冲突风险的安全路径导航车辆。通过将BLSTM与MPC相结合，所设计的基于神经网络的MPC克服了传统MPC难以对不确定冲突风险建模的缺陷。仿真结果表明，我们提出的基于BLSTM的MPC性能优于人类驾驶员，因为它可以预见潜在的冲突，并采取行动，以避免他们。
2023-01-15 cs.RO cs.SY eess.SY
Physics-informed sparse identification-based tube model predictive control for aerial vehicles
Zhongyuan University of Technology（中原工学院）；Beijing Institute of Technology（北京理工大学）
提出一种结合物理信息机器学习与稀疏辨识的管模型预测控制框架，通过嵌入先验知识并学习残差不确定性，在保证鲁棒性的同时显著降低计算负载。
2026-06-26 cs.SY eess.SY
A Learning-based Stochastic MPC Design for Cooperative Adaptive Cruise Control to Handle Interfering Vehicles
West Virginia University（西弗吉尼亚大学）；University of Central Florida（中佛罗里达大学）
本文提出基于神经网络的切入检测与轨迹预测方案，结合概率框架和随机模型预测控制器，提升对干扰车辆切入行为的应对能力，通过现实驾驶场景验证系统性能。
2018-02-26 cs.SY eess.SY
A Discrete-time Dynamical Model for Optimal Dispatching and Rebalancing of Autonomous Mobility-on-Demand Systems
本文提出一种基于图论和线性离散时间模型的自动驾驶按需出行系统最优调度与再平衡方法，利用模型预测控制求解，并在实际案例中验证其优于现有算法。
2024-02-03 cs.SY eess.SY
Flexible MPC-based Conflict Resolution Using Online Adaptive ADMM
在集中式方法不可行的许多地方，需要自主车辆的分散式冲突解决方案，例如，停车场、乡村道路、合并车道等。然而，现有的方法通常没有在分散式冲突解决中充分利用优化。我们提出了一个分散的冲突解决方法，自动驾驶汽车的基础上的一个新的扩展交替方向乘法器（ADMM），称为在线自适应ADMM（OA-ADMM），和模型预测控制（MPC）。OA-ADMM是为在线系统量身定制的，快速和自适应的实时优化至关重要，并允许使用有关物理系统的安全信息来提高实时控制的安全性。我们证明了在静态情况下的收敛性，并给出了在线收敛的要求。结合OA-ADMM和MPC，可以实现强大的分散式运动规划和控制，无缝集成分散式冲突解决方案。我们所提出的方法的有效性，通过模拟CARLA，一个开源的车辆模拟器，导致减少47.93%的平均增加的延迟相比，下一个最好的方法。
2021-03-25 cs.SY eess.SY
Economic Potential for Hybrid Electric Vehicles in Urban Signal-free Intersections with Decentralized MPC
针对无信号交叉口的串联混合动力CAV，本文提出凸优化去中心化MPC协调策略，并基于近一年油价与电价证明其出行成本可接近甚至达到BEV水平。
2022-11-12 cs.SY eess.SY
Experimental Validation of Multi-lane Formation Control for Connected and Automated Vehicles in Multiple Scenarios
已经提出了连接和自动化车辆的编队控制方法，以在不同场景中平滑地切换车辆编队的结构。在以往的研究中，通常通过仿真来验证编队控制方法的性能。本文介绍了实验结果的多车道形成控制连接和自动化车辆。介绍了协调编队控制的框架和针对不同场景的具体方法。详细介绍了实验平台和整车控制策略。在不同场景下进行仿真和实验，结果表明，该编队控制方法适用于多种交通场景，与基准方法相比，能够提高编队结构切换效率。
2021-12-01 cs.SY eess.SY
Learning Based MPC for Autonomous Driving Using a Low Dimensional Residual Model
School of Vehicle and Mobility, Tsinghua University（清华大学车辆与 Mobility学院）
针对车辆动力学复杂导致MPC模型失配的问题，提出将标称模型分解为标定不变项与低维残差学习项，并结合特征物理约束纳入MPC，仿真与实车验证其显著提升建模与控制性能。
2024-12-05 cs.RO cs.SY eess.SY
Dynamic Constraint Tightening for Nonlinear MPC for Autonomous Racing via Contraction Analysis
Technical University of Munich（慕尼黑工业大学）
本文提出了一种基于收缩分析的非线性MPC框架，用于自动驾驶赛车在操控极限下的路径跟踪，通过优化CCM实现约束紧缩，提高计算效率并增强鲁棒性。
2026-02-04 cs.SY eess.SY
Combining Social Force Model with Model Predictive Control for Vehicle's Longitudinal Speed Regulation in Pedestrian-Dense Scenarios
在密集的交通场景中，自动驾驶车辆可能必须安全地穿过一群行人，同时车辆试图尽可能保持期望的速度。这需要一个可以预测人群行人运动的模型，以及一种用于车辆预测性地调整其速度的方法。在这项研究中，基于模型的预测控制（MPC）与基于社会力的车辆-人群交互（VCI）模型相结合，以调节自动驾驶汽车的纵向速度。VCI模型的预测特性可以被MPC精确地利用。设计了一个同时保证行人安全和保持期望速度的准则，将MPC转化为标准二次规划（quadratic programming，QP）问题，并利用标准QP工具箱进行求解。将该方法与传统的比例-积分-微分（PID）控制方法进行纵向速度调节比较。在仿真中对不同行人密度的场景进行了评估。结果证明了所提出的方法解决此类问题的优点。它还显示了扩展的方法，以解决更复杂的车辆-行人相互作用的情况下的潜力。
2019-07-11 cs.SY eess.SY
Model Predictive Control Approach to Autonomous Formation Flight
Erciyes University（埃尔吉耶斯大学）
本文研究模型预测控制在自主编队飞行中的应用，验证其轨迹跟踪、避障与飞行器间避碰能力，并指出实时实现仍面临挑战。
2023-12-04 cs.RO cs.SY eess.SY
Stochastic MPC with Dual Control for Autonomous Driving with Multi-Modal Interaction-Aware Predictions
我们提出了一种用于自动驾驶的随机MPC（SMPC）方法，该方法结合了对周围车辆的多模态、交互感知预测。对于每种模式，通过使用具有未知权重的固定特征的基础描述的控制模型来获得车辆运动预测。所提出的SMPC公式找到最优控制，其服务于两个目的：1）通过优化参数化控制律来减少SMPC的保守性，以及2）使用卡尔曼滤波来预测和估计用于交互感知建模的特征权重。所提出的方法被证明在纵向控制的例子，与自主和周围的车辆的预测的不确定性。
2022-08-06 cs.SY eess.SY math.OC
Indoor experimental validation of MPC-based trajectory tracking for a quadcopter via a flat mapping approach
本文针对四旋翼无人机MPC轨迹跟踪问题，提出基于优化的非保守线性内近似方法处理平坦输出空间中的非凸输入约束，并通过室内实验验证了方法的有效性。
2023-04-19 cs.SY eess.SY
Experimental validation of an explicit flatness-based MPC design for quadcopter position tracking
本文提出一种基于平坦输出空间线性化的显式MPC方案，用于四旋翼位置跟踪，通过分别计算每个双积分器的控制器，在保持性能的同时大幅降低计算负担，并经过仿真与实验验证。
2023-08-30 cs.SY eess.SY
An Efficient Risk-aware Branch MPC for Automated Driving that is Robust to Uncertain Vehicle Behaviors
Delft University of Technology（代尔夫特理工大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
针对自动驾驶中因其他车辆行为预测不准导致轨迹不安全的问题，提出一种风险感知运动规划框架，将其表述为min-max优化问题并通过引入正则化项开发高效迭代方法，数值研究验证了其收敛性及优于现有方法的性能。
2024-03-27 cs.RO cs.SY eess.SY
Optimal Planning of Single-Port and Multi-Port Charging Stations for Electric Vehicles in Medium Voltage Distribution Networks
本文描述了一种基于混合整数线性规划的方法，以成本最优的电动汽车（EV）在配电网中的驱动需求的函数的充电器的位置和大小。这个问题解释了单端口充电器（SPC）和多端口充电器（MPC）的概念，其中一个充电器可以最大限度地连接一个EV，而同一个充电器可以连接多个EV。MPC的优势是双重的。首先，多个端口允许在多辆车之间进行套利充电，而不需要驾驶员插拔电动汽车。其次，充电器的电力电子器件的大小不适合充电端口的总数，从而在电网约束成为问题的瓶颈时能够节省成本。所提出的方法可以考虑不同的充电器类型，例如慢速和快速充电器，并对驾驶员插拔电动汽车的灵活性进行建模。综合案例研究的模拟结果表明，实施MPC是有益的SPC和司机的灵活性方面所需的充电基础设施的总投资。
2021-11-13 cs.SY eess.SY
An Efficient Resilient MPC Scheme via Constraint Tightening against Cyberattacks: Application to Vehicle Cruise Control
提出一种通过约束收紧的弹性MPC框架，应对周期性DoS攻击下的不确定线性系统，利用卡尔曼滤波检测攻击并离线计算不确定性界限，实现在线高效计算，并在ACC问题上验证有效性。
2023-10-12 cs.SY eess.SY math.OC
Autonomous Vehicle Lateral Control Using Deep Reinforcement Learning with MPC-PID Demonstration
Technical University of Munich（慕尼黑技术大学）
本文提出一种结合MPC-PID示教与深度强化学习的自动驾驶横向控制方法，在CARLA中验证了其在车辆信息不完整时的有效性与训练稳定性，有望降低自动驾驶流程的开发集成成本。
2025-06-04 cs.LG cs.RO cs.SY
Highway Discretionary Lane-change Decision and Control Using Model Predictive Control
本文提出一种基于模型预测控制的高速公路自主变道决策与控制方法，结合LSTM预测周围车辆轨迹，并在驾驶模拟器中验证了其在随机交通流下的有效性。
2024-04-03 cs.SY eess.SY
Safe, Learning-Based MPC for Highway Driving under Lane-Change Uncertainty: A Distributionally Robust Approach
我们提出了一个案例研究应用基于学习的分布式鲁棒模型预测控制的高速公路运动规划下的随机不确定性的车道变化行为的周围道路使用者。道路使用者的动态建模使用马尔可夫跳跃系统，其中的切换变量描述所需的车道的车辆正在考虑和连续状态描述的姿态和速度的车辆。我们假设底层马尔可夫链的切换概率是未知的。当观察到车辆时，从马尔可夫链中提取样本，估计转移概率以及模糊集，该模糊集解释了这些概率的错误估计。相应地，一个分布鲁棒最优控制问题被制定在一个场景树，并在滚动时域求解。结果，获得了运动规划过程，其通过对目标车辆的观察逐渐变得不那么保守，同时避免了从小样本大小获得的估计中的过度自信。我们提出了一个广泛的数值案例研究，比较几个不同的设计方面的控制器的性能和安全的影响。
2022-11-07 cs.SY eess.SY
Multi-Objective Optimization of a Path-following MPC for Vehicle Guidance: A Bayesian Optimization Approach
RWTH Aachen University（亚琛工业大学）；IAV GmbH（IAV公司）
研究了车辆纵向和横向控制的路径跟踪模型预测控制的代价泛函的多目标优化问题。虽然模型预测控制固有的最优特性和对约束的直接考虑为许多应用提供了非常强大的工具，但是确定适当的成本泛函是一项重要的任务。这一方面由自由度的数量或多个可调参数引起，另一方面由这些参数的耦合引起。为了克服这种情况下的贝叶斯优化过程，它给出了可能性，以确定最佳的成本函数参数为一个给定的愿望。此外，可以计算一组可能的配置的帕累托前沿。
2021-04-08 cs.RO cs.SY eess.SY
A Safe Control Architecture Based on Robust Model Predictive Control for Autonomous Driving
提出了一种用于安全决策的鲁棒安全控制体系结构。被控系统是一个存在有界干扰的车辆。RSCA由两部分组成：Supervisor MPC和Controller MPC。管理器和控制器都是管MPC（TMPC）。Supervisor MPC为操作控制器提供安全证书，并在每个步骤中提供备用控制输入。在预测到操作控制器的不安全动作之后，控制器MPC接管系统。在本文中，提出了一种方法的终端集的计算，这是强大的对道路曲率的变化，并迫使车辆达到一个安全的参考。此外，本文还提供了两个重要的证明。首先，示出了备用控制输入安全地应用于系统以将车辆引导到安全状态。其次，证明了RSCA的递归可行性。通过对避障场景的仿真，验证了所提方法的有效性。
2022-06-20 cs.SY eess.SY
Design and Experimental Validation of Tube-based MPC for Timed-constrained Robot Planning
School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（电气工程和计算机科学学院，皇家理工学院）
本文针对时间约束任务设计并验证了先进的管基模型预测控制MPC，通过处理机器人不确定非线性动力学和以度量区间时序逻辑MITL编写的目标，设计反馈控制律以确保任务满足，利用感兴趣区域RoI和包含不安全区域的工件空间，通过有限时间最优控制FHOCP和状态反馈律保证轨迹在管内受限，实验表明该框架能有效处理MITL的丰富表达性，并在实验室Nexus移动机器人上验证，展示了其在实际机器人和工业问题中的应用潜力。
2019-09-03 cs.SY eess.SY
Courteous MPC for Autonomous Driving with CBF-inspired Risk Assessment
Department of Computer Science, University of North Carolina at Charlotte（计算机科学系，北卡罗来纳大学夏洛特分校）；Department of Electrical and Computer Engineering, Carnegie Mellon University（电气与计算机工程系，卡内基梅隆大学）；Walker Department of Mechanical Engineering, University of Texas at Austin（沃克机械工程系，德克萨斯大学奥斯汀分校）
本文提出一种基于CBF启发的风险评估框架，并将其融入MPC方案，使自动驾驶车辆在遵守安全约束和效率目标的同时，降低对周围车辆的整体风险，实现安全且礼貌的驾驶行为。
2025-04-29 cs.RO cs.SY eess.SY
Sampling-Based Nonlinear MPC of Neural Network Dynamics with Application to Autonomous Vehicle Motion Planning
University of Kansas（堪萨斯大学）；Washington University（华盛顿大学）
机器学习模型的控制已经成为广泛的机器人应用的重要范例。本文提出了一种基于采样的非线性模型预测控制（NMPC）方法，用于控制神经网络动力学。我们展示了它的设计在两个部分：1）制定传统的基于优化的NMPC作为贝叶斯状态估计问题，和2）使用粒子滤波/平滑来实现的估计。通过一个原则性的基于采样的实现，这种方法可以潜在地在控制动作空间中进行有效的搜索以获得最优控制，并且还有助于克服由神经网络动力学引起的挑战的计算。我们将所提出的NMPC方法应用于自动驾驶车辆的运动规划。具体问题考虑非线性未知车辆动力学建模为神经网络以及动态道路驾驶的情况。该方法在成功的运动规划的案例研究中显示出显着的有效性。
2022-05-09 cs.RO cs.SY eess.SY
Integrated motion control and energy management of series hybrid electric vehicles: A multi-objective MPC approach
本文针对串联混合动力汽车的运动控制与能量管理集成问题，提出了一种内嵌运动控制的多目标MPC能量管理方法，并引入电池电流约束以避免过高充放电电流，从而提升安全性、延长电池寿命。
2023-04-07 cs.SY eess.SY math.OC
Validation and Calibration of Energy Models with Real Vehicle Data from Chassis Dynamometer Experiments
本研究利用真实车辆数据验证简化能量模型，通过校准Autonomie模型复现丰田RAV4特性，证明简化模型能可靠估计实际驾驶条件下的燃油消耗，适用于大规模交通应用。
2025-03-27 cs.SY eess.SY
Adaptive Tube-based Nonlinear MPC for Ecological Autonomous Cruise Control of Plug-in Hybrid Electric Vehicles
本文提出了一种自适应管状非线性模型预测控制（AT-NMPC）方法，用于设计自主跟车控制系统。该方法利用两个独立模型来定义约束递推最优控制问题，通过固定名义模型和自适应模型分别处理约束和目标函数，以提高控制性能和鲁棒性。
2018-03-15 cs.SY eess.SY
A Non-linear MPC Local Planner for Tractor-Trailer Vehicles in Forward and Backward Maneuvering
University of Regina（里贾纳大学）
在自动驾驶系统的研究领域中，设计一个局部规划器来控制牵引拖车车辆的向前和向后机动是一个具有挑战性的控制问题。考虑到牵引车-拖车系统稳定性的关键情况，提出了一种实用且新颖的方法来设计牵引车-拖车自主车辆在向前和向后机动中的非线性MPC（NMPC）局部规划器。拖拉机速度和转向角被认为是控制变量。建议的NMPC本地规划器的目的是处理刀切的情况下，避免多个静态障碍物，并在向前和向后机动的路径。上述挑战被转换成一个约束问题，可以同时处理的建议NMPC本地规划器。直接多重打靶法用于将最优控制问题（OCP）转换为IPOPT求解器可以在CasADi中求解的非线性规划问题（NLP）。控制器的性能进行了评估，通过不同的备份和前向机动的情况下，在Gazebo仿真环境中的实时。它实现了渐近稳定，避免静态障碍物和准确的跟踪性能，同时尊重路径约束。最后，建议的NMPC本地规划器与一个名为AutowareAi的开源自动驾驶软件栈集成。
2022-12-22 cs.RO cs.SY eess.SY
TS-MPC for Autonomous Vehicle using a Learning Approach
Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（机器人与工业信息研究所（CSIC-UPC））；Universitat Politécnica de Catalunya（加泰罗尼亚理工大学）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立高等物理、数学与信息学院）
在本文中，模型预测控制（MPC）和滚动时域估计（MHE）的策略，使用数据驱动的方法来学习一个Takagi-Sugeno（TS）表示的车辆动力学提出了解决自动驾驶控制问题的实时。为了解决TS建模，我们使用自适应神经模糊推理系统（ANFIS）的方法来获得一组基于多面体的线性表示以及一组以非线性方式与不同的线性子系统相关的隶属函数。所提出的控制方法是由外部规划者的基于赛车的参考和MHE的估计提供的，在赛车模式下提供高驾驶性能。控制估计方案进行了测试，在一个模拟的赛车环境中显示所提出的方法的潜力。
2020-04-29 cs.AI cs.RO cs.SY
