Tube-based Guaranteed Cost Robust Model Predictive Control for Linear Systems Subject to Parametric Uncertainties
针对一类具有乘法结构范数有界不确定性的约束线性系统，提出了一种基于管道的保性能模型预测控制器。它为一般的最小-最大模型预测控制提供了一个上界。所提出的管的不变性适用于任何任意缩放。它产生一个二阶锥规划问题，这是计算成本较低的标准半定规划问题。我们还提出了一个数值例子，所提出的方法，开环保成本模型预测控制器，和一个位似管模型预测控制器的线性差分包含系统之间的比较研究。
2020-12-09 cs.SY eess.SY math.OC
A System Level Approach to Tube-based Model Predictive Control
鲁棒的基于管的模型预测控制（MPC）方法通过在预测中利用先验确定的管控制器来收紧约束来解决约束满足。提出了一种基于系统级参数化（SLP）的系统级管道MPC（SLTMPC）方法，该方法在求解MPC问题时可以对管道控制器进行在线优化，从而大大降低了算法的保守性。通过建立一类鲁棒MPC方法与SLP之间的等价关系，得到了SLTMPC方法。最后，我们表明，SLTMPC制定自然产生的扩展SLP制定，并显示其优点，在一个数值例子。
2021-04-30 cs.SY eess.SY math.OC
Robust Data-Driven Tube-Based Zonotopic Predictive Control with Closed-Loop Guarantees
本文提出一种针对离散时间线性系统的鲁棒数据驱动TZPC方法，通过两阶段设计在有界噪声下保证递归可行性与闭环鲁棒指数稳定性，数值仿真验证了其有效性与优越性能。
2025-09-16 cs.SY eess.SY
Transient Performance of Tube-based Robust Economic Model Predictive Control
在本文中，我们提供了非平均和瞬态性能保证最近开发的，基于管的鲁棒经济模型预测控制（MPC）计划。特别是，我们认为这两个基于管的MPC计划与终端条件。我们表明，通过应用这种MPC计划获得的闭环性能是近似最优的评估时，在有限和无限的时间范围。这些性能界限是类似的名义经济MPC以前得出的。理论结果进行了讨论的数值例子。
2022-05-16 cs.SY eess.SY math.OC
On the Practical Design of Tube-Enhanced Multi-Stage Nonlinear Model Predictive Control
管增强多阶段非线性模型预测控制是一种鲁棒控制方案，可以处理大范围的不确定性，降低保守性和可管理的计算复杂度。在本文中，我们从应用的角度阐述了该方法的灵活性。我们讨论的路径，使设计决策系统地实施新的计划。我们说明了一个工业实例的计划的设计和实施的关键步骤。
2022-04-20 cs.SY eess.SY math.OC
A Simple and Efficient Tube-based Robust Output Feedback Model Predictive Control Scheme
当无法获得完整的状态信息以及标称系统模型和测量值被噪声破坏时，使用模型预测控制（MPC）对受约束系统进行控制变得更具挑战性。由于这些情况在实际场景中经常出现，因此已经开发了诸如鲁棒输出反馈MPC的技术来解决这些问题。然而，现有的鲁棒输出反馈MPC方法受到在线优化问题的复杂性增加、控制器合成的计算需求增加或两者的挑战。在这项工作中，我们提出了一个简单而有效的方法来合成一个基于管的鲁棒输出反馈MPC计划的线性，离散，时不变系统的有界，添加剂干扰。具体来说，我们首先制定了一个计划，在线MPC优化问题具有相同的复杂性，在标称全状态反馈MPC通过使用一个单一的管具有恒定的横截面。这使得我们提出的方法更简单的实现和计算要求比以前的方法在线实现和离线控制器合成。其次，我们提出了一种新的和简单的程序计算的强大的正不变（RPI）集的近似的最小RPI集，它可以用来定义在所提出的控制方案的管。
2020-02-18 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
Collective Tube Model Predictive Control With Distribution-Free Joint Safety Certificates
Politecnico di Torino（都灵理工大学）
本文提出集体管模型预测控制（CT-MPC），通过校准预测误差轨迹管并离线构建确定性收紧，实现线性系统联合状态-输入安全与递归可行性，相比传统方法减少收紧并保持安全性。
2026-09-23 cs.SY eess.SY
Heterogeneously parameterized tube model predictive control for LPV systems
提出了一种适用于线性变参数（LPV）系统的非均匀参数化管基模型预测控制（MPC）设计方法。在非均质管中，管截面的参数化和相关的控制律允许沿预测范围变化。在这个框架中可以描述的两种极端情况是场景MPC（高复杂性，较大的吸引域）和具有简单的时不变控制参数化的位似管MPC（低复杂性，较小的吸引域）。在建议的框架中，这些极端的参数化，以及其他参数化的中间复杂性，可以结合在一个单一的管。通过在参数化设计中允许更多的灵活性，可以影响计算成本和吸引域的大小之间的权衡。参数化结构的充分条件下，递归的可行性和闭环稳定性得到保证。一个具体的参数化方案和位似管MPC的原则相结合的建议，它是满足所需的条件。该方法的属性，包括其实现改进的复杂性/性能权衡的能力，证明使用两个数值例子。
2019-10-18 cs.SY eess.SY math.OC
Tube-based robust nonlinear model predictive control of anaerobic co-digestion
DEIB, Politecnico di Milano（米兰理工大学DEIB）；SECO Group, University of Mons（蒙斯大学SECO团队）
本研究提出基于管状的鲁棒非线性模型预测控制方法，用于调节厌氧共消化过程中的生物甲烷生产，以应对饮食变化并确保安全运行。
2026-01-03 cs.SY eess.SY
Robust Platoon Control in Mixed Traffic Flow Based on Tube Model Predictive Control
协同自适应巡航控制系统的设计在混合交通流中至关重要，其中互联自动驾驶车辆（CAV）和人类驾驶车辆（HDV）共存。与纯CAV相比，主要的挑战是如何处理HDV的预测不确定性，这可能会导致CAV的状态偏离规划轨迹。在现有的研究中，模型预测控制（MPC）被用来重新规划CAV的轨迹，以减轻在每个时间步的偏差。然而，由于重规划过程通常是通过利用车辆间通信的信息来解决优化问题来进行的，因此MPC方法遭受沉重的计算和通信负担。为了解决这一问题，本文提出了一种基于管道MPC的鲁棒队列控制框架。预测的不确定性是动态缓解的反馈控制，并限制在一个集内的高概率。当不确定性超过设定值或出现额外的外部干扰时，前馈控制被触发以规划“管”（设定值的序列），其可以约束CAV的实际轨迹。由于该方法不需要重新规划过程，因此与MPC方法相比，该方法在计算和通信方面更加有效。提供了全面的模拟，以验证所提出的框架的有效性。
2020-07-20 cs.SY eess.SY
Tube-Based Robust Data-Driven Predictive Control
Imperial College London（帝国理工学院）
本文提出了一种基于管状的鲁棒数据驱动预测控制器，通过Hankel系数向量约束获得预测不匹配的多面体界限，并利用鲁棒正不变集推导出严格凸QP问题，确保闭环系统鲁棒性和约束满足。
2026-04-16 cs.SY eess.SY math.OC
Stochastic Tube-based Model Predictive Control for Cyber-Physical Systems under False Data Injection Attacks with Bounded Probability
针对CPS中幅值无界的FDI攻击，提出结合检测器与缓冲区的弹性管MPC方案，推导攻击最大持续时间和缓冲区最小长度，证明系统ISS稳定性，仿真验证其控制性能优于现有方法。
2025-09-17 cs.SY eess.SY
Scalable tube model predictive control of uncertain linear systems using ellipsoidal sets
针对受动态模型不确定性和外部扰动影响的线性系统，提出了一种新的鲁棒模型预测控制（MPC）算法。的不确定性建模使用一个线性分数扰动结构与时变扰动矩阵，使算法被应用到一个大的模型类。MPC控制器构造一个状态管作为一个参数化的椭球集的序列来约束系统的状态轨迹。所提出的方法的结果在一个半定的计划在线求解，其规模与系统的顺序线性。状态管的设计被配制成一个离线优化问题，它提供了灵活性，施加所需的功能，如强大的不变性的终端集。这与大多数现有的管MPC策略相比，在状态管中使用多面体集，这是难以设计的，其复杂性随着系统阶数的组合而增长。该算法保证约束满足，递归的可行性，和闭环的稳定性。使用两个仿真研究证明了该算法的优点。
2022-06-09 cs.SY eess.SY math.OC
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
A Stochastic Tube-Based MPC Framework with Hard Input Constraints
Univ. Grenoble Alpes, Grenoble INP, CNRS, GIPSA-lab（格勒诺布尔阿尔卑斯大学、格勒诺布尔理工学院、法国国家科学研究中心、GIPSA实验室）
本文提出一种随机管式MPC框架，通过概率可达集设计保证线性系统在扰动下的硬输入约束和状态机会约束，同时保持计算效率和稳定性。
2026-02-23 cs.SY eess.SY
Robust Tube-based Model Predictive Control with Koopman Operators--Extended Version
Koopman算子是无限维的，以提升的全局线性方式捕捉非线性动力学的特征。Koopman算子的有限数据驱动近似得到一类线性预测器，可用于非线性动力系统的线性模型预测控制（MPC），降低了计算复杂度.然而，在建模近似误差和可能的外部干扰下，闭环Koopman MPC的鲁棒性仍然是一个有待解决的关键问题。针对上述问题，本文提出了一种基于Koopman算子的管模型预测控制方法，r-KMPC，用于具有附加干扰的非线性离散时间动力系统。所提出的控制器是由一个名义MPC使用提升Koopman模型和离线非线性反馈政策。所提出的方法不假设近似Koopman算子的收敛性，这允许使用有限阶的Koopman模型进行控制器设计。基本属性，例如，在标准假设下，导出了Koopman模型的可镇定性、可观测性，证明了闭环鲁棒性和标称逐点收敛性。仿真实例验证了该方法的有效性。
2022-03-21 cs.SY eess.SY
Stabilizing Tube-Based Model Predictive Control: Terminal Set and Cost Construction for LPV Systems (extended version)
Eindhoven University of Technology（埃因霍温理工大学）
本文提出了一种用于LPV系统的稳定管状MPC合成方法，通过周期性终端约束集保证递归可行性，并基于新Lyapunov-like度量构造终端成本以保证渐近稳定性。
2017-06-24 cs.SY eess.SY
Robust Tube-Based Decentralized Nonlinear Model Predictive Control of an Autonomous Tractor-Trailer System
University of Leuven (KU Leuven)（鲁汶大学）；Nanyang Technological University（南洋理工大学）
本文采用分散控制方法研究了自主牵引车-拖车系统的轨迹跟踪问题。设计了一种完全分散的模型预测控制器，其中忽略子系统之间的相互作用，并假设它们之间是相互扰动的。为了具有鲁棒性设计，提出了一种基于管的方法来处理标称模型和真实系统之间的差异。非线性滚动时域估计用于每次新测量后的状态和参数估计，并将估计值馈送到基于管的鲁棒分散非线性模型预测控制器。所提出的控制方案是能够驱动的牵引车拖车系统的任何期望的轨迹，确保高控制精度和鲁棒性，对被忽视的子系统的相互作用和环境干扰。实验结果表明，在起伏不平的草地上的轨迹跟踪性能准确。
2021-04-05 cs.RO cs.SY eess.SY
Distributed Model Predictive Control Using a Chain of Tubes
The University of Sheffield（谢菲尔德大学）
本文提出一种新的分布式MPC算法，通过嵌套的两个鲁棒控制器实现动态耦合子系统的调控，核心方法是内层控制器生成名义参考轨迹，外层控制器考虑耦合影响生成分布式控制动作，采用管子方法保证鲁棒性，并通过补充约束确保递归可行性。
2017-03-27 cs.SY eess.SY math.OC
Data-driven Koopman MPC using Mixed Stochastic-Deterministic Tubes
本文提出一种数据驱动的随机MPC方法，利用Koopman算子与分布鲁棒优化，通过混合随机-确定性管道处理建模误差和扰动，确保非线性系统在约束下的调节，并给出有限样本误差界。
2025-10-24 cs.SY eess.SY
Real-time Operation Optimization of Microgrids with Battery Energy Storage System: A Tube-based Model Predictive Control Approach
电池储能系统（ESS）广泛应用于微电网，以补充高可再生能源。然而，含电池储能系统的微电网实时能量管理面临两个方面的挑战：1）电池能量水平的演化过程是跨时间耦合的; 2）可再生能源发电量预测过程中不可避免地会出现不确定性。针对含电池储能系统的微电网实时能量管理问题，提出了一种基于管模型的模型预测控制（MPC）方法。首先，针对电池储能系统，建立了包含电池退化代价和时间感知SoC范围的电池实时运行模型，描述了电池的“浅廉价”特性，满足终端SoC需求。其次，在所提出的基于管道的MPC中设计了两个级联的MPC控制器，其中名义MPC在不存在不确定性的情况下生成参考轨迹，辅助MPC在实现不确定性时将实际轨迹引导到名义轨迹。具体而言，在本文中，电池SoC被视为系统的状态变量，而发电机的功率输出和与公用事业交换功率被视为控制变量。最后，许多案例研究表明，所提出的方法，包括低和高渗透水平的可再生能源的有效性。连续365天的Monte Carlo模拟结果表明，该方法的竞争比优于1.10。
2021-04-10 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
Distributed MPC: Guaranteeing Global Stabilizability from Locally Designed Tubes
University of Sheffield（谢菲尔德大学）
本文研究了分布式模型预测控制中常用的稳定性假设与控制器隐含不变性之间的基本关系，提出定理给出全局稳定性的充分条件，证明局部鲁棒控制器的约束可接受性足以保证闭环系统稳定，并探讨其与管式分布式MPC等复杂控制形式的关系。
2016-11-02 cs.SY eess.SY
Homothetic tube model predictive control with multi-step predictors
针对有界不确定线性系统，提出集成多步预测器的同伦管MPC框架，利用更小误差界减轻保守性，采用多速率公式解决不兼容问题，理论保证鲁棒递归可行性与稳定性，仿真验证了保守性与计算复杂度优势。
2023-11-20 cs.SY eess.SY math.OC
Decentralized Tube-based Model Predictive Control of Uncertain Nonlinear Multi-Agent Systems
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）；KTH Center for Autonomous Systems（自主系统中心）
本文针对一类具有加性且有界扰动的不确定非线性连续时间多智能体系统，提出了一种去中心化的管状非线性模型预测控制方法，通过局部信息实现多智能体系统在工作空间预设状态下的鲁棒导航，并保证轨迹在超管内，同时保持智能体连接性。
2019-09-03 cs.SY eess.SY
Tube-based Guaranteed Cost Model Predictive Control Applied to Autonomous Driving Up to the Limits of Handling
控制技术的发展，以保持车辆的稳定性下可能失去控制的情况下，是必不可少的自主地面车辆在公共场景中的安全部署。在本文中，我们提出了一种基于管的保证成本的模型预测控制器的自动驾驶汽车能够避免前后轮胎饱和，并跟踪提供的参考轨迹的车辆的处理的限制。这种方法确保车辆将保持在其安全操作范围内;因此，保证车辆的稳定性和性能，包括紧急情况下可能需要的高动态机动。我们还提出了一个新的保守逼近的非线性车辆动力学的线性系统的范数有界乘性不确定性和一个新的最大鲁棒可控不变集的车辆动力学。它包括一个更大的可行状态空间区域相比，以前提出的不变集。最后，我们提出了所提出的方法的性能的模拟和车载结果。
2020-12-09 cs.SY eess.SY math.OC
Robust Tube-based Model Predictive Control for Time-constrained Robot Navigation
School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（电气工程和计算机学院，皇家理工学院）
本文针对在受限工作空间中由不确定非线性非仿射动力学建模的机器人时间约束导航问题，提出了一种新型鲁棒反馈控制器，通过解决有限时间最优控制问题和离线调整的背stepping反馈法则，确保机器人轨迹始终在名义轨迹的有界超管内，并通过验证框架保证满足MITL的公式。
2019-09-03 cs.SY eess.SY math.OC
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
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
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
Safe Adaptive Cruise Control Under Perception Uncertainty: A Deep Ensemble and Conformal Tube Model Predictive Control Approach
University of Michigan（密歇根大学）
本文融合Deep Ensemble与Conformal Prediction量化RGB感知不确定性，并设计Conformal Tube MPC自适应巡航控制器，在高保真仿真及OOD场景中实现概率安全的速度跟踪与车距保持。
2024-12-05 cs.AI cs.RO cs.SY
Data-Driven Robust Predictive Control with Interval Matrix Uncertainty Propagation
Uninettuno University（英内图诺大学）；Università di Siena（锡耶纳大学）；Mercatorum University（美卡托鲁姆大学）
本文提出一种数据驱动的鲁棒预测控制方法，通过区间矩阵构建不确定性表示，并利用矩阵扎诺托pe运算约束预测时间内的不确定性，保证状态和输入约束的鲁棒满足。
2026-03-18 cs.SY eess.SY
Adaptive Output Feedback Model Predictive Control
状态和输入存在硬约束的不确定系统的模型预测控制（MPC）是一个非平凡的问题，在缺乏状态测量的情况下，其挑战性成倍增加。本文针对单输入单输出离散线性定常系统，提出了一种基于自适应观测器和鲁棒预测控制相结合的自适应输出反馈预测控制方法。在每个时刻，自适应观测器提供状态和系统参数的估计，然后在MPC优化例程中利用这些估计，同时鲁棒地考虑估计误差。对优化问题的解决方案导致状态估计轨迹所在的位似管。真实状态在较大的外管内演化，该外管通过在相似管部分周围增加一组不变的状态估计误差而获得。递归的可行性证明所提出的“位似和不变的”双管方法，以及在一个学术系统上的仿真结果。
2022-11-22 cs.SY eess.SY math.OC
Covariance Propagation and Stabilization for Tube-Based Stochastic MPC under Parametric and Additive Uncertainties
Gipsa-Lab（吉普萨实验室）
本文提出了一种针对受随机参数和加性不确定性的线性系统协方差动态的精确表征方法，并展示了其在控制设计中的应用与优势。
2026-08-06 cs.SY eess.SY
Tube-based Robust Model Predictive Control for a Distributed Parameter System Modeled as a Polytopic LPV (extended version)
本文针对分布式参数系统，提出将非线性嵌入LPV系统，采用鲁棒管道MPC处理不确定性，离线计算大部分，在线仅求解简单QP，仿真验证了良好性能与稳定性。
2025-01-26 cs.SY eess.SY math.OC
Learning Robust Model Predictive Control for Voltage Control of Islanded Microgrid
本文提出一种结合高斯过程回归的管式鲁棒模型预测控制方法，用于孤岛微电网电压跟踪，以降低保守性并保证稳定性与可行性。
2023-09-01 cs.SY eess.SY
Tube-based Distributionally Robust Model Predictive Control for Nonlinear Process Systems via Linearization
模型预测控制（MPC）是一种有效的控制多变量动态系统的约束。然而，大多数真实的动态模型受到工厂模型失配和过程不确定性的影响，这可能导致闭环性能恶化和约束违反。已经提出了诸如随机MPC（SMPC）的方法来缓解这些问题;然而，如果实际系统偏离在控制器设计期间做出的假设干扰分布，则所得到的闭环状态轨迹仍然可能显著违反规定的约束。在这项工作中，我们提出了一种新的数据驱动的分布鲁棒预测控制方案的非线性系统。不同于SMPC，这需要确切的知识的干扰分布，我们的计划决定的控制行动相对于最坏的分布从分布模糊集。该模糊集被定义为以经验分布为中心的Wasserstein球。由于潜在的模型误差，导致偏移，该计划还扩展了利用无偏移的方法。通过非线性质量弹簧系统和非线性CSTR反应器的实例研究，验证了该控制方案的有效性。
2022-11-26 cs.SY eess.SY math.OC
Probabilistic Tube-based Control Synthesis of Stochastic Multi-Agent Systems under Signal Temporal Logic
针对需以预设概率满足全局STL规范的随机离散线性多智能体系统，提出基于概率可达管的控制综合方法，通过约束收紧将随机问题转化为确定性问题，结合递归可行分解算法降低保守性，可支撑十智能体系统的控制设计。
2024-09-15 cs.SY eess.SY
Lagrangian Approximations for Stochastic Reachability of a Target Tube
University of New Mexico（新墨西哥大学）
本文研究了如何利用拉格朗日技术计算离散时间非线性系统的有限时间 horizon 随机可达-避让水平集的下近似和上近似，无需对安全和目标集做凸性假设，并在目标管问题上应用了这些方法，展示了其在标准双积分器、积分器链和四维空间车辆对接问题上的有效性。
2018-10-16 cs.SY eess.SY
Distributed Model Predictive Safety Certification for Learning-based Control
虽然分布式算法通过需要较低的本地计算负载和较少的本地存储器为复杂的大规模系统的控制提供了优势，但是设计高性能的分布式控制策略是一项具有挑战性的任务。基于学习的控制算法为解决这一挑战提供了有希望的机会，但通常不能保证在状态和输入约束满足方面的安全性。最近提出的集中式线性系统的安全框架，通过匹配的学习为基础的输入在线与初始输入的模型预测控制法律能够驱动系统的终端集是安全的。我们扩展这个想法，得到一个分布式模型预测安全认证（DMPSC）计划，这是能够确保状态和输入约束的满足时，应用任何基于学习的控制算法的不确定分布式动态耦合线性系统。该方案是基于一个分布式的管为基础的模型预测控制（MPC）的概念，其中子系统之间的邻居协商本地管的尺寸，以减轻限制的安全方法。此外，我们提出了一种技术，用于生成一个结构化的椭球鲁棒正不变管。在数值模拟中，我们表明，安全框架，确保约束满足最初不安全的控制策略，并允许提高整体控制性能相比，强大的分布式MPC。
2021-09-30 cs.SY eess.SY
Stochastic reachability of a target tube: Theory and computation
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；University of New Mexico（新墨西哥大学）
本文研究了在随机不确定环境下，如何通过凸优化方法计算目标管的随机可达集，并提出了一种可扩展且无网格的算法来合成开环控制器。
2020-11-30 cs.SY eess.SY math.OC
A robust adaptive model predictive control framework for nonlinear uncertain systems
针对具有参数不确定性和附加干扰的非线性系统，提出了一种基于管道的鲁棒自适应模型预测控制（RAMPC）框架。集员估计是用来提供准确的界限上的参数不确定性，这是用于建设的管在一个强大的MPC计划。由此产生的RAMPC框架，确保强大的递归可行性和强大的约束满意度，同时允许不太保守的操作相比，强大的MPC计划没有模型/参数自适应。此外，通过在目标函数中使用额外的均方点估计，该框架确保了有限增益$\mathcal{L}_2$稳定性。附加干扰作为第一个贡献，我们得到适当的单调性和非递增性能一般参数估计算法和管/集为基础的RAMPC计划，确保强大的递归可行性和强大的约束条件下的递归模型更新的满意度。然后，作为本文的主要贡献，我们提供了类似的条件，为管为基础的配方，使用增量李雅普诺夫函数，标量收缩率和函数的不确定性的边界参数化。有了这个结果，我们可以提供简单的建设性设计不同的RAMPC计划具有不同的计算复杂度和保守性。作为一个推论，我们可以证明，最先进的非线性RAMPC配方是一个特殊的情况下，所提出的框架。我们提供了一个数值例子，证明了所提出的框架的灵活性，并展示了最先进的方法相比，改进。
2020-10-20 cs.SY eess.SY
Model predictive control for linear uncertain systems using integral quadratic constraints
在这项工作中，我们提出了一个基于管MPC计划的状态和输入约束线性系的动态不确定性的特点是动态积分二次约束（IQCs）。特别是，我们扩展的框架$ρ$硬IQC指数稳定性分析的外部输入。结果表明，真实不确定性系统与标称预测模型之间的误差由一个指数稳定的标量系统所约束。在建议的基于管的MPC计划，该误差边界系统的状态与标称模型一起预测，并用作管尺寸的缩放参数。我们证明了该方法实现了鲁棒约束满足和输入状态稳定，尽管动态不确定性和添加剂有界干扰。一个数值例子表明，减少保守性的IQC方法相比，国家的最先进的鲁棒MPC方法的动态不确定性。
2022-04-27 cs.SY eess.SY math.OC
TubeDAgger: Reducing the Number of Expert Interventions with Stochastic Reach-Tubes
CPS-Group TU Wien（TU Wien 控制与物理系统组）；Pyrosoma AI；Cyber-Physical-Systems Group, TU Wien（TU Wien 网络物理系统组）
针对交互式模仿学习中DAgger算法需频繁专家干预的问题，提出基于随机可达管的TubeDAgger方法，无需逐环境调参，可有效减少专家干预次数。
2025-10-01 cs.AI cs.LG cs.SY
(Stochastic) Model Predictive Control -- a Simulation Example
该研究聚焦考虑概率约束的随机模型预测控制，以受不确定性影响的简单线性系统为示例，提供了可在线获取的对应Matlab实现代码。
2023-07-22 cs.SY eess.SY
Safety Verification of Nonlinear Stochastic Systems via Probabilistic Tube
针对非线性随机系统安全性验证问题，提出基于鞅方法的概率管道紧致界限，结合集合侵蚀策略将其转化为确定性验证问题，并应用于可达性验证与控制器综合。
2025-03-05 cs.SY eess.SY math.ST
Computationally Tractable Robust Nonlinear Model Predictive Control using DC Programming
University of Oxford（牛津大学）
本文提出一种基于DC编程的鲁棒非线性MPC框架，通过数据驱动方法构建DC模型并实现递归可行性与鲁棒稳定性。
2026-10-01 cs.SY eess.SY math.OC
Probabilistic model predictive safety certification for learning-based control
强化学习（RL）方法已经在仿真环境中证明了其有效性。然而，RL提供巨大潜力的许多应用，例如自动驾驶，也是安全关键的，需要经过认证的闭环行为，以便在存在物理约束的情况下满足安全规范。本文介绍了一个概念，称为概率模型预测安全认证（PMPSC），它可以与任何RL算法相结合，并提供可证明的安全证书的状态和输入机会的限制潜在的大规模系统。该证书是通过一个随机管道实现的，该管道安全地将当前系统状态与已知安全的终端状态集连接起来。一种新的配方在一个凸的滚动时域问题允许递归可行的实时计算这样的概率管，尽管存在可能的无界干扰。PMPSC的设计过程依赖于baidu-inference和概率集不变性的最新进展。使用数值汽车模拟，该方法和它的设计过程说明了通过增强一个简单的RL算法的安全证书。
2021-01-18 cs.SY eess.SY
Dynamic Tube MPC for Nonlinear Systems
在实际应用中，建模误差或外部干扰会严重影响模型预测控制（MPC）的性能。鲁棒MPC（RMPC）通过优化反馈策略解决了这一问题，但代价是增加了计算复杂度。管MPC是一种近似的解决方案策略，其中离线设计的鲁棒控制器使系统保持在在线生成的期望标称轨迹周围的不变管中。当然，这种分解是次优的，特别是对于具有变化的目标或操作条件的系统。此外，由于计算不变管的复杂性，许多管MPC方法无法捕获状态相关的不确定性，导致过度保守的近似。本文提出了一种适用于非线性系统的动态管MPC（DTMPC）框架，该框架同时优化了管的几何形状和开环轨迹。通过使用边界层滑动控制，管几何形状可以表示为控制参数和不确定性界限之间的简单关系;使得管几何形状动态能够以最小的计算复杂度增加被添加到标称MPC优化。此外，DTMPC能够利用状态相关的不确定性，以减少保守性，提高优化的可行性。DTMPC被证明稳健地执行避障和修改管的几何形状，以响应障碍物的接近。
2019-07-15 cs.SY eess.SY
Computationally Efficient System Level Tube-MPC for Uncertain Systems
本文提出一种基于滤波器的系统级管式MPC（SLTMPC），通过在线优化的扰动集过逼近加性扰动和模型不确定性，并引入异步计算方案降低复杂度，首次提供严格闭环保证，数值实验验证其有效性。
2025-05-26 cs.SY eess.SY
Safe Stochastic Model Predictive Control
对安全关键型系统进行有效和安全的控制是一项挑战。鲁棒方法可能过于保守，而概率控制器需要在效率和安全之间进行权衡。在这项工作中，我们提出了一个安全的算法，是兼容的任何随机模型预测控制方法的线性系统添加剂的不确定性和多面体约束。该安全算法允许使用随机模型预测控制的乐观控制输入，只要安全的备用计划器可以确保安全性，以满足受有界不确定性的硬约束。除了保证安全的行为，所提出的随机模型预测控制算法保证递归的可行性和输入到状态稳定性的系统起源。安全的随机模型预测控制算法的好处是在数值模拟中证明，突出的优点相比，纯粹的鲁棒或随机预测控制器。
2022-09-15 cs.SY eess.SY
Adaptive Learning-based Model Predictive Control for Uncertain Interconnected Systems: A Set Membership Identification Approach
针对不确定互联系统，提出一种基于集合隶属辨识的自适应学习MPC方案，通过在线学习耦合不确定性并自适应调整MPC要素，实现递推可行性和闭环稳定性，仿真验证其优于现有鲁棒、自适应和基于学习的MPC方案。
2024-04-25 cs.SY eess.SY
System Level Disturbance Reachable Sets and their Application to Tube-based MPC
基于管的模型预测控制（MPC）方法利用管来约束由于不确定性而导致的与标称轨迹的偏差，以便确保约束满足。提出了一种基于系统级扰动可达集（SL-DRS）的模型预测控制方法，该方法利用仿射系统级参数化（SLP）。我们表明，施加有限脉冲响应（FIR）约束的仿射SLP保证包含所有未来的偏差在有限序列的SL-DRS。这使我们能够制定一个系统级管MPC（SLTMPC）方法使用的SL-DRS管，这使得并发优化的标称轨迹和管，同时使用一个正不变的终端集。最后，我们表明，SL-DRS管也可以离线计算。
2021-11-05 cs.SY eess.SY math.OC
