Suboptimal Nonlinear Model Predictive Control Strategies for Tracking Near Rectilinear Halo Orbits
近直线Halo轨道（NRHO）是围绕L1和L2拉格朗日点的Halo轨道的一个子类，是未来顺月空间中的月球网关和月球任务的分段轨道的有希望的候选者。闭环控制有利于补偿轨道摄动和潜在的不稳定性，同时保持航天器在NRHO和执行相对运动机动。本文研究了非线性模型预测控制（NMPC）与小推力作动器耦合用于NRHO的位置保持。数值仿真结果表明，NMPC能够将航天器稳定在参考轨道上，并能处理控制约束。此外，它表明，NMPC的计算负担可以管理使用专门的优化例程和次优的方法，而不会危及闭环性能。
2020-08-21 cs.SY eess.SY
Model Predictive Control Strategies for Electric Endurance Race Cars Accounting for Competitors Interactions
针对电动耐力赛车的比赛策略优化问题，提出考虑对手交互的模型预测控制框架，综合优化进站、充电与驾驶风格，模拟验证显示其较始终超车策略有21秒优势，证明电动赛车的竞争力。
2024-03-11 cs.SY eess.SY
Convex Model Predictive Control for Down-regulation Strategies in Wind Turbines
风力涡轮机（WT）控制器通常面向最大功率提取，同时应保证合适的操作约束，使得保护WT部件免受故障。还可以设计控制策略以减少所产生的功率，例如跟踪由电网运营商提供的功率参考。它们被称为下调策略，允许平衡发电和电网负荷，以及提供辅助电网服务，如频率调节。虽然这种平衡受到风力可用性和电网需求的限制，但可以通过引入利用涡轮机动态的动能的下调策略来改善风能的质量。本文展示了如何在涡轮机的旋转部件的动能可以被用作一个额外的自由度，通过不同的下调策略。特别是，我们探讨了基于凸模型预测控制（MPC）的功率跟踪问题，在一个单一的风力涡轮机。MPC的使用使我们能够引入进一步的约束，保证流动稳定性，避免失速条件。仿真结果被用来说明所开发的下调策略的性能。值得注意的是，通过使转子速度最大化，从而使动能最大化，涡轮机仍然可以暂时保证跟踪给定的功率参考，即使在可用风力偶尔饱和时也是如此。在研究案例中，我们证明了我们的方法可以保证在饱和条件下的功率跟踪时间比传统的下调策略长10倍。
2022-09-22 cs.SY eess.SY
Optimized Task Assignment and Predictive Maintenance for Industrial Machines using Markov Decision Process
KFUPM（法赫德国王石油矿产大学）
针对制造任务分配与机器状态维护，本文提出考虑智能体信息共享的 Markov 决策过程方法，并通过铣床退化数据案例验证其策略离线分析与参数选择灵活性。
2024-02-03 cs.AI cs.SY eess.SY
Horizon Adaptation for Nonlinear Model Predictive Controllers with guaranteed Degree of Suboptimality
Curtin University of Technology（科廷科技大学）
提出自适应策略修改标准约束模型预测控制器方案，以保证次优度的下界，并开发了缩短和延长优化地平线的有效实现方法。
2011-05-16 cs.SY eess.SY math.OC
Energy-Aware Model Predictive Control for Batch Manufacturing System Scheduling Under Different Electricity Pricing Strategies
本文提出一种能量感知 MPC 框架，将其表述为 MIQP 以动态调度批量制造过程，在满足生产约束下降低能耗成本，并为应对不同电价策略提供实用见解。
2025-06-28 cs.SY eess.SY math.OC
Eco-Coasting Strategies Using Road Grade Preview: Evaluation and Online Implementation Based on Mixed Integer Model Predictive Control
滑行已经被广泛用于生态驾驶指南，以减少燃料消耗，从动能中获利。然而，由于最优控制问题的过于简单化和整数变量，不同滑行策略之间的综合比较以及基于道路坡度预瞄的生态滑行策略的在线性能还不清楚。在此，提出了两种不同的滑行策略（燃料切断和发动机启动/停止），以揭示使用道路坡度预览的生态滑行的潜在好处。在建模中考虑了发动机阻力矩和用于发动机再起动的能量成本，以公平地评估离线和在线性能。离线性能的这两种滑行方法进行评估，通过动态规划（DP）在不同的驾驶场景下，不同的坡度剖面。离线仿真表明，发动机启动/停止方法优于燃料切断方法的燃料消耗和旅行时间，摆脱了发动机的阻力矩。然后，这两个惰行方法的在线性能进行评估，使用混合建模模型预测控制（MIMPC）。在MIMPC公式中加入了一个新的最小关断步长操作约束，以避免代表燃油切断和发动机启动/停止机制的整数变量的频繁切换。仿真结果表明，无论是燃油切断和发动机启动/停止惯性滑行方法，MPC控制器降低燃油消耗的水平，而不牺牲行程时间的DP。
2021-12-25 cs.SY eess.SY
Neural Networks for on-chip Model Predictive Control: a Method to Build Optimized Training Datasets and its application to Type-1 Diabetes
Center for Diabetes Technology, University of Virginia（弗吉尼亚大学糖尿病技术中心）
针对片上MPC的NN训练数据优化问题，提出OSDs及其生成算法，在1型糖尿病自动胰岛素输注场景中使NN复制MPC的精度提升四倍，相关NN获临床测试监管批准，为资源受限平台的复杂算法部署提供新方案。
2025-04-15 cs.AI cs.SY eess.SY
Adaptive Nonlinear Model Predictive Control for a Real-World Labyrinth Game
ETH Zurich（苏黎世联邦理工学院）
针对真实世界迷宫游戏问题，提出分两层的自适应非线性模型预测控制方法，引入自适应约束并学习迷宫表面不规则性地图，可处理干扰与模型误差，性能优于经典方法。
2025-02-10 cs.RO cs.SY eess.SY
Online Poisoning Attacks Against Data-Driven Predictive Control
数据驱动预测控制（DPC）是一种针对动态未知系统的反馈控制方法。它根据过去的输入输出数据反复优化系统的未来轨迹。我们开发了一种计算中毒攻击的数值方法，该方法将添加剂扰动注入在线输出数据，以改变DPC优化的轨迹。该方法是基于隐式微分的DPC轨迹优化的解决方案的地图。我们证明，由此产生的攻击可能会导致输出跟踪误差一个数量级高于随机扰动的数值实验。
2022-11-23 cs.SY eess.SY
Nonlinear model predictive control-based guidance law for path following of unmanned surface vehicles
本文提出基于非线性模型预测控制的无人水面艇路径跟踪制导策略，克服视线法缺陷并降低计算成本，通过仿真验证其有效性与优势。
2024-02-07 cs.SY eess.SY
Automated Lane Merging via Game Theory and Branch Model Predictive Control
TU Delft（代尔夫特理工大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出融合搜索式规划、矩阵博弈与分支模型预测控制的车道汇入框架，可选择汇入间隙并应对周围车辆的 Nash 与 Stackelberg 不确定策略，真实密集交通数据验证了其有效性。
2025-02-17 cs.RO cs.SY eess.SY
Learning Two-agent Motion Planning Strategies from Generalized Nash Equilibrium for Model Predictive Control
University of California Berkeley（加州大学伯克利分校）；PlusAI Inc（PlusAI公司）
本文提出了一种基于广义纳什均衡的学习方法，用于多智能体运动规划中的模型预测控制，通过训练神经网络预测奖励结果来实现博弈论互动的隐式处理。
2025-06-05 cs.MA cs.RO cs.SY
Sampling Strategy Design for Model Predictive Path Integral Control on Legged Robot Locomotion
School of Artificial Intelligence Shandong University Jinan, China；Department of Mechatronics；Robotics Xi'an Jiaotong-Liverpool University Suzhou, China；Robotics Xi'an Jiaotong-Liverpool University Suzhou, China University of Liverpool United Kingdom；Robotic Systems Xi'an Jiaotong-Liverpool University Suzhou, China
本文提出了一种用于四足机器人运动的模型预测路径积分控制的采样策略设计方法，通过比较不同采样策略的效果，提升了控制平滑度和任务性能。
2026-01-04 cs.RO cs.SY eess.SY
A Comparison of Strategies to Embed Physics-Informed Neural Networks in Nonlinear Model Predictive Control Formulations Solved via Direct Transcription
University of Waterloo（滑铁卢大学）
本研究针对偏微分方程描述的系统，对比了直接转录法求解的NMPC中嵌入物理信息类神经网络代理的两种策略，发现平滑激活函数搭配局部求解器时代理模型未必有计算优势，且外部求导方案通常更优。
2025-01-10 cs.SY eess.SY math.OC
Energy-efficient Reactive and Predictive Connected Cruise Control
在本文中，我们提出了一个框架的纵向控制连接和自动驾驶车辆行驶在混合交通组成的连接和非连接的人类驾驶车辆。提出了反应和预测控制器。无功控制器由显式反馈控制律给出。在预测控制器中，控制输入以滚动时域的方式进行优化，这取决于对前方车辆运动的预测。超越视线的信息是通过车辆到车辆（V2V）的通信，并利用所提出的反应和预测控制器。利用真实的交通数据的模拟表明，连接可以带来显着的节能。
2022-10-10 cs.SY eess.SY
Machine Learning Integrated with Model Predictive Control for Imitative Optimal Control of Compression Ignition Engines
压燃式发动机的高热效率和可靠性使其成为许多应用的首选。要想持续下去，就必须减少污染物的排放。一种解决方案是使用机器学习（ML）和模型预测控制（MPC）来最小化排放和燃料消耗，而不向发动机控制器增加大量计算成本。ML在本文中开发的建模发动机性能和排放，并模仿行为的线性参数变化（LPV）MPC。采用基于支持向量机的发动机性能和排放线性变参数模型，对4.5 Cummins柴油机进行了模型预测控制。与基准前馈生产控制器相比，这种在线优化MPC解决方案在最大限度地减少\nox排放和燃料消耗方面具有优势。为了降低MPC的计算成本，设计了一种深度学习方案来模仿所开发的控制器的行为。与康明斯生产控制器相比，模拟控制器在恒负荷下降低NOx排放的性能与在线优化MPC相似。此外，模仿控制器需要的计算时间比在线MPC优化少50倍。
2022-08-02 cs.SY eess.SY
Priority-based Energy Allocation in Buildings through Distributed Model Predictive Control
针对建筑暖通空调系统能源供给不足问题，本文提出基于分布式模型预测控制的优先级能源分配方案，通过一对一和多对一两种策略，在保证可扩展性和计算可行性的同时达到集中式控制性能。
2024-07-22 cs.SY eess.SY
Interaction-Aware Trajectory Planning for Autonomous Vehicles with Analytic Integration of Neural Networks into Model Predictive Control
Michigan State University（密歇根州立大学）；Honda Research Institute（本田研究院）；Massachusetts Institute of Technology（麻省理工学院）
针对自动驾驶车辆保守规划导致性能下降和交通拥堵的问题，提出将神经网络交互轨迹预测器解析集成进模型预测控制，采用ADMM求解并证明收敛，实证优于基线启发式方法。
2023-03-02 cs.RO cs.SY eess.SY
Data-Driven Hierarchical Predictive Learning in Unknown Environments
我们提出了一个分层学习结构的预测控制在未知环境中。我们考虑一个约束非线性动力系统，并假设在不同的环境下，状态输入轨迹解决控制任务的可用性。参数化的环境模型生成特定于每个任务的状态约束，这些约束由存储的轨迹满足。我们的目标是在未知的环境中为新任务找到一条可行的轨迹。从存储的数据中，我们以降阶状态空间中的目标集的形式学习策略。这些策略被应用到新的任务中的实时使用的新环境的本地预测，并由此产生的输出被用作终端区域的低级别滚动时域控制器。我们展示了如何i）从过去的数据设计目标集，然后ii）将它们纳入一个模型预测控制计划与平移的地平线，确保安全的闭环系统时，执行新的任务。我们证明了所得到的控制策略的可行性，并在机器人路径规划应用中验证了所提出的方法。
2020-07-14 cs.SY eess.SY
Optimized Strategies for Peak Shaving and BESS Efficiency Enhancement through Cycle-Based Control and Cluster-Level Power Allocation
针对电池储能系统削峰与效率优化问题，提出基于循环的充放电控制及改进PSO集群级功率分配方法，提升容量利用率与运行效率并延长寿命。
2025-02-14 cs.SY eess.SY
Optimal control of centrifugal spreader
实现均匀分布的施肥散布模式是一项复杂的技术任务。相应的控制算法必须考虑牵引机运动、撒布机的设置、规定剂量以及机器约束。它特别指出，施肥过程需要提前估计，以实现优化的传播模式。所提出的工作是关注的预测控制方案的发展，优化施肥使用建模的拖拉机上移动的字段和扩展模式的形式，在拖拉机后面的新月。特别地，通过四个正态分布来建模扩展模式的形式，模式的每一侧两个正态分布。控制目标是在田间实现所需的肥料分布。该研究提出了三种算法进行比较：一个一步优化和两种方法，使用模型预测控制，一个与一个简化模型的传播模式的预测范围内，一个与一个全面的一个模型，分别。采用综合模型的模型预测控制可获得最佳结果。
2021-05-27 cs.SY eess.SY
Distributed Model Predictive Control for Dynamic Cooperation of Multi-Agent Systems
University of Stuttgart（斯图加特大学）；Leibniz University Hannover（汉诺威莱布尼茨大学）
本文提出了一种分布式模型预测控制框架，用于协调具有个体和耦合约束的异构非线性多智能体系统，通过集体优化实现合作任务。
2026-03-09 cs.SY eess.SY
Differentiable Predictive Control with Safety Guarantees: A Control Barrier Function Approach
Pacific Northwest National Laboratory（太平洋西北国家实验室）；Battelle Memorial Institute（巴特尔纪念研究所）
提出了一种基于控制障碍函数的具有安全性和鲁棒性保证的微分预测控制方法。DPC是一种基于无监督学习的方法，用于获得显式模型预测控制（MPC）问题的近似解。在DPC中，由神经网络参数化的预测控制策略通过MPC问题的自动微分获得的直接策略梯度离线优化。所提出的方法利用一种新形式的采样数据障碍函数，以执行离线和在线的DPC设置的安全要求，同时只中断基于神经网络的控制器附近的边界的安全集。仿真结果表明了该方法的有效性。
2022-08-03 cs.LG cs.SY eess.SY
Recursively feasible stochastic predictive control using an interpolating initial state constraint -- extended version
针对可能存在无界扰动的线性系统，提出了一种随机模型预测控制（SMPC）框架。最先进的SMPC方法与闭环机会约束满足递归地初始化基于先前预测的标称状态或可能的测量状态下的一些情况下的区别的标称状态。我们通过允许在这两个极端的插值中对标称初始状态进行连续优化来改进这些初始化策略。由此产生的SMPC计划可以实现为一个标准的二次规划，是更灵活的相比，国家的最先进的初始化策略。作为主要的技术贡献，我们表明，所提出的SMPC框架也确保了闭环满足的机会约束和适当的性能界限。
2022-06-20 cs.SY eess.SY math.OC
Fractional-Order Model Predictive Control for Neurophysiological Cyber-Physical Systems: A Case Study using Transcranial Magnetic Stimulation
分数阶动力系统用于描述具有时间长期记忆和轨迹幂律依赖性的过程。有证据表明，复杂的神经生理信号，如脑电图（EEG），可以建模的分数阶系统。在这项工作中，我们提出了一个基于模型的方法，闭环经颅磁刺激（TMS），通过脑电图数据来调节大脑活动。更确切地说，我们提出了一个模型预测控制（MPC）的方法与底层分数阶系统（FOS）预测模型。此外，MPC通过设计提供了额外的鲁棒性层，以补偿系统模型失配，这是更传统的策略所缺乏的。为了建立我们的框架的潜力，我们专注于癫痫发作缓解的计算模拟我们提出的策略后，癫痫样事件。我们的结论是通过实证分析我们的方法的有效性，并比较它与事件触发的开环策略。
2019-10-01 cs.SY eess.SY math.DS
Nonlinear Model Predictive Control Framework For Cooperative Three-Agent Target Defense Game
本文提出基于非线性模型预测控制的协同目标防御制导策略，通过EKF估计攻击者状态，利用阿波罗尼奥斯圆分析生存区域，仿真验证其鲁棒性并优于CLOS和A-CLOS方法。
2022-07-19 cs.SY eess.SY
Revolutionizing System Reliability: The Role of AI in Predictive Maintenance Strategies
GWDG, Universität Göttingen（哥廷根大学GWDG）
本文全面调查了AI在计算连续体预测性维护中的应用，探讨机器学习等技术如何提升故障预测准确性和优化维护计划，为分布式系统维护的智能化发展提供见解。
2024-04-20 cs.AI cs.PF cs.SY
Cooperative nonlinear distributed model predictive control with dissimilar control horizons
本文提出一种允许智能体间控制时域不同且时变的协作非线性DMPC算法，证明了递归可行性与最优成本非递增，仿真显示其在减少优化变量数的同时有效近似传统DMPC性能。
2024-10-14 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
Robust Model Predictive Control of Time-Delay Systems through System Level Synthesis
针对具有状态和控制输入约束的离散线性时滞系统，提出了一种鲁棒模型预测控制方法。该系统同时受到多面体模型不确定性和附加扰动的影响。在所提出的方法中，时变反馈控制策略的优化，使得闭环系统的所有约束的鲁棒满足得到保证。通过将时滞状态和输入的影响编码到反馈策略中，我们使用系统级综合来解决MPC中的鲁棒最优控制问题，从而得到一个凸二次规划，该规划联合进行不确定性过逼近和鲁棒控制器综合。值得注意的是，二次规划中的变量数量与延迟范围无关。我们所提出的方法的有效性和可扩展性的数值证明。
2022-09-23 cs.SY eess.SY
Network-Realised Model Predictive Control Part II: Distributed Constraint Management
Department of Automatic Control；Systems Engineering, ``Politehnica'' University of Bucharest, Bucharest, Romania -1mm；Laboratoire des Signaux et Syst\`emes, CentraleSup\'elec, Paris-Saclay University, Gif-sur-Yvette, France -9mm
本文提出一种两层控制架构，通过集合理论方法实现可扩展的模型预测控制器，提供递归可行性保证，并允许灵活定制。
2026-04-10 cs.SY eess.SY
Model Predictive Control Paradigms for Fish Growth Reference Tracking in Precision Aquaculture
在精密水产养殖中，主要目标是最大限度地提高生物量产量，同时最大限度地降低生产成本。这一目标可以通过优化对鱼类生长有强烈影响的因素来实现，例如摄食率，温度和溶解氧。针对精密水产养殖中具有代表性的生物能量生长模型，比较研究了三种模型预测控制（MPC）策略在鱼类生长参考跟踪中的应用。我们建议评估三个候选MPC配方的鱼类生长参考跟踪的基础上后退的地平线。第一MPC制剂跟踪期望的鱼生长轨迹，同时惩罚饲料配给、温度和溶解氧。第二MPC优化策略直接惩罚饲料转化率（FCR），这是食物量和鱼的增重之间的比率，同时最小化实际生长状态与给定的参考生长轨迹的偏差。第三种模型预测控制包括生长率轨迹跟踪、动态能量和食物成本之间的权衡。数值模拟，集成了一个现实的生物能鱼类生长模型的尼罗罗非鱼（Oreochromis niloticus）的说明，以检查三个建议的最优控制策略的比较性能。
2021-01-29 cs.SY eess.SY
Deep Learning Alternative to Explicit Model Predictive Control for Unknown Nonlinear Systems
针对未知非线性系统，我们提出了可微预测控制（DPC）作为显式模型预测控制（MPC）的一种基于深度学习的替代方案。在DPC框架中，神经状态空间模型从系统动态的时间序列测量中学习。神经控制策略，然后通过随机梯度下降法通过微分MPC损失函数通过闭环系统动力学模型进行优化。所提出的DPC方法学习基于模型的控制策略与状态和输入约束，同时支持时变的参考和约束。在嵌入式实现使用树莓派平台，我们实验证明，它是可能的训练约束控制策略纯粹基于未知的非线性系统的测量。我们比较显式MPC的DPC方法的控制性能，并报告在线计算需求，内存需求，政策的复杂性和建设时间的效率收益。特别是，我们表明，我们的方法的线性规模相比，通过多参数规划解决的显式MPC的指数可扩展性。
2021-07-26 cs.SY eess.SY
Fully Distributed Model Predictive Control of Connected Automated Vehicles in Intersections: Theory and Vehicle Experiments
我们提出了一个完全分布式的控制系统架构，适合在车内实施，其目的是安全地协调连接和自动化车辆（CAV）在道路交叉口。为了控制的目的，我们建立在一个完全分布式的模型预测控制方法，在该方法中，代理解决非凸最优控制问题（OCP）本地和同步，并通过车辆到车辆（V2V）通信交换其优化轨迹。为了适应非凸OCP的快速解决方案，我们采用惩罚凹凸过程，解决了原来的OCP的convexified版本。对于实验评估，我们补充预测控制器与本地化层，负责自定位，和估计器，它确定与其他代理的联合碰撞点。实验测试表明所提出的控制系统架构的有效性。
2022-03-24 cs.SY eess.SY math.OC
Dead-beat model predictive control for discrete-time linear systems
本文提出了一种用于线性系无差拍控制的模型预测控制策略。在无约束MPC中，通过将控制时域设置为系统维数，并添加终端等式约束，可以保证无差拍性能。证明了无约束无差拍预测控制与线性无差拍控制的等价性。所提出的约束无差拍MPC的设计，通过设置控制时域等于系统的维数和惩罚只有终端成本。从理论上证明了算法的递归可行性和无差拍性能。
2022-08-30 cs.SY eess.SY math.OC
Continuous Control Set Nonlinear Model Predictive Control of Reluctance Synchronous Machines
本文介绍了一种基于连续集非线性模型预测控制的磁阻同步电机电流控制器的设计与实现。一个计算效率高的灰箱模型的磁链图中采用的跟踪配方，这是使用高性能的非线性模型预测控制学术框架。所得到的控制器在仿真中进行了验证，并部署在连接到物理磁阻同步机的dSPACE实时系统上。实验结果表明，所提出的实施方案可以达到典型的电气驱动器的范围内的采样时间，并可以实现大的改进，在控制性能方面的国家的最先进的经典控制策略。
2020-09-28 cs.SY eess.SY
Enhancing industrial microalgae production through Economic Model Predictive Control
University of Almería（阿尔梅里亚大学）；Norwegian University of Science and Technology（挪威科技大学）
本文提出经济模型预测控制器以提升工业微藻生产效率，通过优化实现过程的经济性和稳定性。
2025-12-17 cs.SY eess.SY
Stochastic Model Predictive Control Utilizing Bayesian Neural Networks
Yokogawa Insilico Biotechnology GmbH（横河因西利科生物技术有限公司）
集成测量和历史数据可以通过基于学习的技术增强控制系统，但确保性能和安全性具有挑战性。鲁棒模型预测控制策略，如随机模型预测控制，可以通过考虑不确定性来解决这个问题。高斯过程经常使用，但对于较大的模型和数据集有局限性。我们探索贝叶斯神经网络的随机学习辅助控制，比较其性能的高斯过程的污水处理厂模型。结果表明，贝叶斯神经网络实现了类似的性能，突出了它们作为控制设计替代方案的潜力，特别是在处理大量数据集时。
2023-03-25 cs.LG cs.SY eess.SY
Deep Learning Explicit Differentiable Predictive Control Laws for Buildings
Pacific Northwest National Laboratory（太平洋西北国家实验室）
针对未知非线性系统，提出了一种学习约束控制律的可微预测控制方法。DPC提出了一个近似的解决方案，多参数规划问题出现显式非线性模型预测控制（MPC）。与近似MPC相反，DPC不需要专家控制器的监督。相反，系统动力学模型是从观察到的系统的动态学习，神经控制律是离线优化利用可微闭环系统模型。一个可微的闭环系统和惩罚方法的约束处理系统的输出和输入的组合，使我们能够优化控制律的参数直接通过反向传播的经济MPC损失通过学习的系统模型。所提出的DPC方法的控制性能证明在模拟使用多区域建筑热动力学的学习模型。
2021-07-25 cs.LG cs.SY eess.SY
Robust Adaptive Model Predictive Control with Worst-Case Cost
针对具有未知动态和有界测量噪声的线性时不变系统，提出了一种鲁棒自适应模型预测控制（MPC）算法。该系统的特点是由一个脉冲响应模型，这是假设躺在一个有界集称为可行的系统集。在线集员识别用于减少脉冲响应中的不确定性。在MPC方案中，实施鲁棒约束以确保可行集中的所有模型的约束满足。性能目标被制定为最坏情况下的成本相对于建模的不确定性。也就是说，在每个时间步，解决一个优化问题，其中控制输入优化的最坏情况下的不确定性设置的工厂。所提出的算法的性能进行比较，从文献中使用Monte-Carlo模拟的自适应MPC算法。
2019-11-19 cs.SY eess.SY math.OC
Stochastic MPC with Online-optimized Policies and Closed-loop Guarantees
ETH Zurich（苏黎世联邦理工学院）
针对受加性高斯干扰的线性系统，提出随机模型预测控制方法，在线优化干扰反馈矩阵，保证概率约束闭环满意度等，核心机制是最大允许集及预测约束重调整，以建筑温度控制示例证明其适用性。
2026-07-14 cs.SY eess.SY math.OC
