Distributionally Robust Stochastic MPC under Disturbance-Affine Feedback Policies
RWTH Aachen University（亚琛工业大学）
本文提出一种分布鲁棒随机MPC方法，利用扰动数据构建Wasserstein球内的分布集，以应对最坏情况下的约束满足问题。通过引入扰动仿射控制策略，提升控制自由度，证明了所提方法的递归可行性与稳定性，并通过理论分析和仿真验证其在初始可行集、平均性能和状态方差控制方面的优越性。
2026-04-14 cs.SY eess.SY math.OC
Willems' fundamental lemma for linear descriptor systems and its use for data-driven output-feedback MPC
本文研究离散广义线性系统的数据驱动预测控制问题。具体来说，我们给了一个定制的变体Willems的基本引理，这表明，通过汉克尔矩阵的非参数化建模的描述系统相比，线性定常系统没有代数约束需要更少的数据。此外，我们使用这种描述提出了一个数据驱动的框架离散时间线性广义系统的最优控制和预测控制。对于后者，我们提供了一个充分的稳定性条件，滚动时域控制之前，我们用一个例子来说明我们的研究结果。
2022-02-16 cs.SY eess.SY math.OC
Robust Output Feedback MPC with Reduced Conservatism under Ellipsoidal Uncertainty
不确定性自治系统的鲁棒设计是一个重要而富有挑战性的问题。本文提出了一种由状态估计器和基于预测控制律的管组成的鲁棒控制器。考虑一类椭球不确定性下的线性系统。与现有的基于多面体集的方法相比，直接从扰动的椭球集计算约束收紧，而没有过度近似，从而导致保守性较低的界限。给出了保证鲁棒约束满足和鲁棒稳定的条件。此外，通过避免在集合计算中使用Minkowski和，所提出的方法也可以扩展到高维系统。最后用实例说明了结果。
2022-10-09 cs.SY eess.SY math.OC
Computationally efficient robust MPC using optimized constraint tightening
针对受有界附加扰动影响的线性定常系统，提出了一种鲁棒模型预测控制（MPC）方法。的主要贡献是离线设计的干扰仿射反馈增益，由此产生的约束收紧最小化。这是通过将约束收紧问题公式化为以反馈项为变量的凸优化问题来实现的。所得到的MPC控制器具有名义MPC的计算复杂度，并保证递归的可行性，稳定性和约束满足。所提出的方法相比，现有的强大的MPC方法的优点是使用数值例子证明。
2022-11-15 cs.SY eess.SY math.OC
Robust output feedback model predictive control using online estimation bounds
我们提出了一个框架，设计非线性鲁棒输出反馈模型预测控制（MPC）计划，确保约束条件下的噪声输出测量和干扰的满意度。我们提供了新的估计方法来约束估计误差的大小的基础上：稳定性的观察员;可检测性;集员估计;滚动时域估计（MHE）。鲁棒约束满足保证适当地将这些在线验证的边界上的估计误差在一个位似管的MPC制定。此外，我们展示了如何通过将MHE和MPC结合在单个优化问题中来进一步提高性能。该框架适用于一般类的可检测和（增量）稳定的非线性系统。虽然标准的输出反馈MPC计划使用离线计算的最坏情况下的估计误差的界限，所提出的框架利用在线验证的界限，从而减少保守性和提高性能。我们证明了减少保守性的建议框架使用非线性10状态四旋翼的例子。
2021-05-07 cs.SY eess.SY 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
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
LQG for Constrained Linear Systems: Indirect Feedback Stochastic MPC with Kalman Filtering
提出一种结合卡尔曼滤波与间接反馈SMPC的输出反馈控制方法，实现约束线性系统在概率约束下的递归可行性与闭环机会约束满足，并可在特定设计下恢复LQG解。
2023-11-17 cs.SY eess.SY math.OC
Stochastic output feedback MPC with intermittent observations
针对带有随机干扰和噪声测量的约束线性系统，设计了一种模型预测控制（MPC）律，使折扣期望约束下的折扣代价最小。假设传感器数据以已知的概率丢失。考虑到由伯努利过程建模的数据丢失，我们参数化的预测控制策略作为未来观测的仿射函数，并获得凸线性二次型最优控制问题。约束满足和折扣的成本范围，确保不施加边界上的干扰和噪声输入的分布。此外，平均长期未贴现闭环成本是有限的，如果贴现因子采取适当的值。我们分析了所提出的控制律的鲁棒性与传感器数据的到达概率中可能存在的不确定性，我们约束这些不确定性对约束满意度和折扣成本的影响。数值模拟来说明这些结果。
2022-03-01 cs.SY eess.SY math.OC
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
Output-feedback model predictive control under dynamic uncertainties using integral quadratic constraints
本文提出一种基于IQC的输出反馈管道MPC方案，通过联合设计鲁棒动态控制器与估计器并凸化峰峰值鲁棒估计问题，实现对动态不确定性系统的递推可行控制与稳定性保证。
2025-08-22 cs.SY eess.SY math.OC
Explicit feedback synthesis for nonlinear robust model predictive control driven by quasi-interpolation
提出QuIFS算法，基于拟插值离线综合显式非线性鲁棒极小极大MPC反馈策略，保证ε-逼近最优解，并建立闭环稳定性与递归可行性。
2024-04-19 cs.SY eess.SY 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
Designing MPC controllers by reverse-engineering existing LTI controllers
Cambridge University Engineering Department（剑桥大学工程系）
提出一种逆向工程方法，将现有线性时不变输出反馈控制器转化为约束输出反馈模型预测控制器，在约束未激活时保持相同行为，并探索设计自由度以利用MPC的约束处理和冗余管理能力。
2011-09-13 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
On the design of terminal ingredients for data-driven MPC
提出了一种模型预测控制（MPC）方案，仅使用测量的输入输出数据而不使用模型知识来控制线性定常系统。该方案包括一个终端成本和终端集约束的扩展状态包含过去的输入输出值。我们提供了一个明确的设计程序，相应的终端成分，只使用测量的投入产出数据。此外，我们证明了MPC计划的基础上，这些终端成分指数稳定所需的设定点在闭环。最后，我们说明了现有的数据驱动的MPC方法的优点与数值例子。
2021-05-25 cs.SY eess.SY math.OC
Data-driven Distributionally Robust MPC: An indirect feedback approach
针对线性离散时间系统受无界相关附加扰动的问题，提出了一种分布鲁棒随机模型预测控制（SMPC）方法。我们认为硬输入约束和状态机会约束，这是近似的分布鲁棒（DR）条件风险价值（CVaR）的约束在Wasserstein模糊集。计算复杂性通过采用具有间接反馈的基于管的MPC方案来降低，使得可以离线采样错误场景。通过软化CVaR约束来保证递归可行性。四个房间的温度控制的例子证明了这种方法。
2021-09-20 math.OC
A stochastic output-feedback MPC scheme for distributed systems
本文针对具有加性过程和测量噪声的分布式系统，提出了一种新的随机输出反馈预测控制方案。利用概率可达集的概念处理机会约束，在扰动分布的单峰性假设下，保证闭环系统满足概率可达集。通过将最优化问题的初态以可行性为条件，保证了递归可行性的基本性质。闭环机会约束满足，递归的可行性和收敛到一个渐近平均成本界。最后，本文以三个相互关联的子系统为例，突出了与集中式设置相比的机会约束满意度和平均成本。
2023-03-06 math.OC
Benefits of Feedforward for Model Predictive Airpath Control of Diesel Engines
本文研究了用前馈来补充柴油机气道反馈控制器的方案。控制目标是通过操纵EGR阀和可变几何涡轮（VGT）来跟踪进气歧管压力和排气再循环（EGR）率目标，同时满足状态和输入约束。反馈控制器基于基于速率的模型预测控制（MPC），其提供用于跟踪的积分动作。考虑前馈的两个选项，一个基于将前馈指定为发动机速度和燃料喷射速率的函数的查找表，另一个基于生成动态前馈轨迹的（非基于速率的）MPC。控制器的设计和验证使用高保真发动机模型在GT-电源，并利用低阶率为基础的线性参数变化（LPV）模型的预测，这是确定从瞬态响应数据生成的GT-电源模型。结果表明，前馈和反馈MPC的组合有可能提高控制设计的性能和鲁棒性。特别地，没有前馈的反馈MPC可能在低发动机速度下失去稳定性，而基于MPC的前馈导致最佳瞬态响应。前馈是能够协助稳定和提高性能的机制进行了讨论。
2022-05-11 cs.SY eess.SY math.OC
Reducing the computational effort of min-max model predictive control with regional feedback laws
最近，已经提出了一种区域MPC方法，该方法利用了最优解的分段仿射结构（之前无需计算整个显式解）。这里，区域性是指使用在当前操作状态附近最优的仿射反馈定律的想法，因此提供最优输入信号而不需要求解QP。在本文中，我们将区域MPC的思想应用到最小-最大MPC问题。我们表明，新的强大的方法可以显着减少的QP的数量，以解决在最小最大MPC导致减少整体计算工作量。此外，我们比较了新方法的性能，现有的强大的区域MPC方法使用的数值例子与不同的地平线。最后，我们提供了一个规则，选择一个合适的鲁棒的区域MPC方法的基础上的地平线。
2021-05-12 math.OC
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
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
Output feedback stochastic MPC with packet losses
本文考虑了在有耗信道上传输的带有随机附加干扰和噪声测量的约束线性系。我们提出了一个模型预测控制（MPC）法，最大限度地减少了折扣的期望约束的折扣成本。假设传感器数据以已知的概率丢失，并且通过将预测的控制策略表示为未来观测的仿射函数来解释数据丢失，这导致凸最优控制问题。在线约束收紧技术确保了在线优化的递归可行性和期望约束的满足，而不受噪声和干扰输入分布的限制。沿着闭环系统的轨迹评估的成本被证明是有界的最佳预测成本。最后给出了一个数值例子来说明这些结果。
2020-05-06 math.OC
Nonovershooting output regulation for feedback linearisable MIMO systems
研究了可反馈线性化的多输入多输出非线性系统的状态反馈控制律设计问题。参考信号被假定为从线性外系统获得。该设计方法采用了线性系无超调跟踪的已知方法，并将其推广到反馈可线性化非线性系统的输出调节。该方法适应任意初始条件，并提供了跟踪收敛速度的设计选择。
2019-10-17 cs.SY eess.SY math.OC
Accelerating MPC by online detection of state space sets with common optimal feedback laws
模型预测控制（MPC）是对一般未知的、复杂的反馈规律逐点采样的控制方法。然而，当前状态$x$的解包含比仅用于该特定状态的最佳信号$u$更多的信息。事实上，它提供了一个最佳仿射反馈规律$x\rightarrow u(x)$上的多面体$Π\subset \mathbb{R}^n$，即，在全维状态空间集合上。尽可能长时间地重复使用该仿射反馈律是一个明显的想法。然而，在其多面体$Π$上重用它太保守了，因为任何$Π$都是一个状态空间集，对于整个水平$N$具有公共仿射定律$x\rightarrow (u_0^\prime (x), \dots, u_{N-1}^\prime (x))^\prime\in\mathbb{R}^{Nm}$。我们发现一个简单的标准存在识别多面体，有一个共同的$x\rightarrow u_0(x)$，但可能会有所不同，相对于$u_1(x), \dots, u_{N-1}(x)$。因为这个标准是太昂贵的计算在线使用，我们介绍了一个简单的快速构造的一个子集的多面体的兴趣。计算实例表明：（i）可以避免相当大一部分QP（10%至40%），以及（ii）如果显式解决方案可用，则可以实现非常接近最大值的减少。我们强调所提出的方法是用于在线MPC，它不需要显式的解决方案。
2020-09-18 math.OC
A construction-free coordinate-descent augmented-Lagrangian method for embedded linear MPC based on ARX models
本文提出了一种基于带外生项自回归（ARX）输入输出模型的线性预测控制问题的免构造算法。该解决方案的算法依赖于坐标下降增广拉格朗日（CDAL）的方法，以前提出的作者，我们在这里适应利用基于ARX的MPC的特殊结构。CDAL-ARX算法具有免构造的特点，避免了显式构造与MPC相关的二次规划（QP）问题，避免了ARX模型在线改变/自适应时的构造成本。例如，ARX模型参数依赖于线性变参数（LPV）调度信号，或者以低计算成本从流式输入输出数据递归地适应，这使得ARX模型在适应控制中得到广泛应用。此外，所得到的CDAL-ARX算法的实现是矩阵和图书馆免费，因此适合部署在工业嵌入式平台。我们展示了CDAL-ARX的效率在两个数值例子中，也比较与MPC的实现基于其他通用的二次规划求解器。
2022-09-27 cs.SY eess.SY math.OC
Output-feedback online optimal control for a class of nonlinear systems
School of Mechanical and Aerospace Engineering, Oklahoma State University（俄克拉荷马州立大学机械与航空航天工程学院）
本文提出了一种基于模型的强化学习方法，用于控制一类二阶非线性系统，通过结合动态状态估计器实现输出反馈控制，并通过仿真验证了方法的有效性。
2019-07-10 cs.SY eess.SY math.OC
Revolution-Spaced Output-Feedback Model Predictive Control for Station Keeping on Near-Rectilinear Halo Orbits
针对近直线晕轨道定点保持，提出一种隔圈多机动模型预测控制策略，实现全状态跟踪，递归可行，数值验证表明成本与现有方法相当且避免相位偏差。
2025-10-16 cs.SY eess.SY math.OC
Robust Model Predictive Control with Polytopic Model Uncertainty through System Level Synthesis
针对多面体模型不确定性与加性扰动下的离散线性系统，提出基于System Level Synthesis的鲁棒MPC方法，联合在线优化LTV控制器与不确定性影响界，显著降低保守性且计算量相当。
2023-09-26 cs.SY eess.SY math.OC
Optimal Consensus for Uncertain High-order Multi-agent Systems by Output Feedback
高阶多智能体系统的分布式最优输出一致性问题是近年来研究的热点。本文进一步研究了具有参数不确定性的高阶多智能体系统的鲁棒控制问题，并通过测量输出反馈设计了分布式鲁棒控制器。我们首先开发一个动态补偿器来估计期望的最优一致点，并将问题转化为几个分散的鲁棒跟踪问题。然后，通过结合积分控制技术和脏微分观测器技术，在一个温和的图连通性条件下，构造性地提出了一种分布式输出反馈积分控制器来解决这个问题。
2021-11-20 cs.SY eess.SY math.OC
Robust Output Feedback Consensus for Networked Heterogeneous Nonlinear Negative-Imaginary Systems
针对网络化异构非线性负虚（NI）系统的鲁棒输出反馈一致性问题，提出了一种控制协议。根据网络的拓扑结构，在正反馈中采用异构非线性输出严格负虚（OSNI）控制器，以实现输出反馈一致性。本文的主要贡献是将以往网络化异构线性NI系统鲁棒输出反馈一致性问题的研究推广到非线性NI系统。根据网络拓扑，通过研究异构非线性NI对象网络和异构非线性OSNI控制器网络的闭环互联的内部稳定性，证明了输出反馈一致性.证明了异构非线性NI系统网络也是非线性NI系统，异构非线性OSNI系统网络也是非线性OSNI系统.在适当的条件下，非线性OSNI控制器导致所有非线性NI对象的输出收敛到一个共同的极限轨迹，而不管每个对象的系统模型。因此，该协议是鲁棒的参数摄动方面的系统模型的异构非线性NI植物在网络中。
2020-11-30 cs.SY eess.SY math.OC
Particle Model Predictive Control: Tractable Stochastic Nonlinear Output-Feedback MPC
我们将条件状态密度构造与随机模型预测控制的场景方法扩展到非线性系统，得到一种新的基于粒子的随机非线性输出反馈模型预测控制。给定噪声测量数据的条件密度通过粒子滤波器传播，作为贝叶斯滤波器的近似实现。这使得条件状态密度或信息状态的基于粒子的表示能够自然地与从当前系统状态生成的场景合并。这种方法试图解决一般非线性随机最优控制的计算易处理性问题。粒子滤波器和方案的方法被证明是完全兼容的，并-基于时间和测量更新阶段的粒子滤波器-纳入未来的控制序列的优化。一个数值例子，并检查的依赖性的解决方案和计算负担的采样配置的密度，场景生成和优化视野。
2017-04-25 math.OC
Data-driven distributionally robust MPC using the Wasserstein metric
提出了一种基于分布鲁棒优化的数据驱动MPC方案，用于安全控制约束随机线性系系统。基于Wasserstein度量的分布鲁棒约束被施加到存在过程扰动的状态约束违反。一个反馈控制法律解决，以保证预测的状态符合约束。关于Wasserstein球内以其离散经验概率分布为中心的最坏情况分布，满足随机约束。所得到的分布式鲁棒MPC框架是计算上易处理的和高效的，以及递归可行的。这种方法的创新之处在于，所有关于不确定性的信息都可以从数据中凭经验确定。通过数值算例验证了该方法的有效性。
2021-05-18 cs.SY eess.SY math.OC
Safety Verification of Output Feedback Controllers for Nonlinear Systems
Department of Computer Science, University of Oxford（牛津大学计算机科学系）
本文针对可线性化非线性系统，利用高增益观测器设计安全控制器，通过推导轨迹距离界证明其收敛性，并构造最大安全不变集以保证安全性。
2016-03-21 cs.SY eess.SY math.OC
Model Predictive Control for T-S Fuzzy Markovian Jump Systems Using Dynamic Prediction Optimization
本文研究了受约束离散时间T-S模糊马尔可夫跳变系统的模型预测控制问题，提出了一种基于动态预测优化（DPO）-MPC的两阶段模糊控制器设计方法，通过离线设计动态反馈增益和在线确定控制器状态，平衡了初始可行域、控制性能与计算负担，并严格保证了系统的递归可行性与均方稳定性。
2024-08-27 cs.SY eess.SY math.OC
Real-Time Algorithms for Model Predictive Control of Hybrid Dynamical Systems
University of Freiburg（弗赖堡大学）
本文提出三种实时混合MPC方案，通过求解带互补约束的二次规划问题，获得局部不连续分段仿射的MPC反馈律，并证明参数MPCC的连续性和可微性，以及在解不连续情况下误差有界。
2026-04-20 math.OC
Boundary Output Feedback Stabilization of State Delayed Reaction-Diffusion PDEs
本文研究了一类反应扩散方程在反应项中存在状态时滞时的边界输出反馈镇定问题。控制输入通过Robin边界条件应用，而系统输出被选择为Dirichlet或Neumann边界迹线。该控制策略采用基于有限维双稳态控制器的形式，其具有反馈和观测器增益，所述反馈和观测器增益被计算以支配状态延迟项。对于任意给定的状态时滞，只要观测器的阶数足够大，我们证明了闭环系统的指数稳定性。
2021-05-31 cs.SY eess.SY math.OC
Uniting Iteration Limits for Mixed-Integer Quadratic MPC
Department of Mechanical and Aerospace Engineering, University of Florida（机械与航空航天工程系，佛罗里达大学）
本文提出融合混合整数二次MPC的迭代限制方法，通过结合低高迭代限制MPC解决次优问题，理论推导稳定性并实证评估其在航天器对接中的应用。
2026-02-09 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
Direct Adaptive Control of Grid-Connected Power Converters via Output-Feedback Data-Enabled Policy Optimization
本文提出一种仅利用在线输入输出数据的输出反馈数据驱动策略优化（DeePO）方法，将输出反馈控制重构为状态反馈LQR问题，实现并网功率变换器的自适应稳定控制。
2025-04-08 cs.SY eess.SY math.OC
Distributed Optimal Output Consensus of Uncertain Nonlinear Multi-Agent Systems over Unbalanced Directed Networks via Output Feedback
针对不平衡有向图上规范形式的不确定非线性多智能体系统的分布式最优输出一致性问题，提出了一种新的基于扰动器的输出反馈控制方法.该问题的主要挑战在于不平衡有向图和多智能体系统的非线性，其智能体状态不能用于反馈控制。基于两层控制器结构，首先设计了一个分布式最优协调器，将所考虑的问题转化为参考跟踪问题。然后，分散输出反馈控制器的发展，以稳定所得到的增广系统。在控制器设计中，利用高增益观测器来估计存在不确定性和干扰的代理状态，使得所提出的控制器仅依赖于代理输出。在标准假设下证明了代理输出的半全局收敛性，并使所有局部代价函数之和最小化。所得到的结果的一个关键特点是，所考虑的非线性代理只需要局部Lipschitz，并具有全局渐近稳定和局部指数稳定的零动态。
2021-11-16 cs.SY eess.SY math.OC
On stochastic MPC formulations with closed-loop guarantees: Analysis and a unifying framework
本文针对受随机扰动和机会约束的线性系统，分析鲁棒随机MPC与间接反馈随机MPC的固有限制，并提出一个统一随机MPC框架，将两者作为极限情况纳入，并通过数值实验验证各方法的优劣。
2023-08-07 cs.SY eess.SY math.OC
Quantized Output Feedback Stabilization of Switched Linear Systems
Kyoto University（京都大学）
本文研究通过量化输出反馈稳定连续时间切换线性系统，利用多Lyapunov函数和平均驻留时间性质设计编码策略，并在每次切换时调整'缩放'参数。
2014-03-19 cs.SY eess.SY math.OC
Output-Feedback Nonlinear Model Predictive Control with Iterative State- and Control-Dependent Coefficients
针对可表示为状态和控制相关系数伪线性形式的非线性系统，提出迭代二次规划MPC并结合块能观规范形实现输出反馈，在多类数值示例中验证。
2023-09-28 cs.SY eess.SY math.DS
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
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
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
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
Robustness without Wrinkles: Parallel Simulation and Robust MPC for Certified Deformable Manipulation
Georgia Institute of Technology（佐治亚理工学院）
提出CORD-SLS实时控制方法，通过GPU并行可微仿真与接触平滑实现高效梯度规划，结合鲁棒模型预测控制与共形预测校准，在绳索和布料操作中达到毫秒级规划与高安全性。
2026-06-15 cs.AI cs.LG cs.RO
Configuration-Constrained Tube MPC
研究了具有加性和乘性不确定性的线性系的鲁棒模型预测控制问题。提出了一类新的具有构型约束的多面体鲁棒前向不变管，该管允许其顶点和面的联合参数化。它们是开发新的凸约束管MPC（CCTMPC）控制器的基础，该控制器自由地优化其多面体管的形状，受到圆锥顶点配置约束，以及通过在线求解凸优化问题的相关顶点控制律。结果表明，CCTMPC是-在适当的假设下-系统的保守性比刚性和相似管MPC。此外，它被证明存在的控制系统，其中CCTMPC是保守性低于弹性管MPC，扰动仿射反馈MPC，和完全参数化管MPC。
2022-08-26 math.OC
Output-Feedback Synchronizability of Linear Time-Invariant Systems
研究了全同线性定常系统网络的输出反馈同步问题。给出了网络同步的判定准则，引入了一类输出反馈可同步系统，并给出了其充分条件和必要条件。特别地，观察到输出反馈稳定性对于输出反馈同步性是足够的但不是必需的。在单输入单输出系统的特殊情况下，条件是在频域中导出的。用几个例子说明了这一理论。
2016-08-21 math.OC
Adaptive Horizon Model Predictive Control
自适应时域模型预测控制（AHMPC）是一种根据需要改变模型预测控制（MPC）时域长度的方法。它的目标是在尽可能小的范围内实现稳定，以便MPC可以用于更快或更复杂的动态过程。除了MPC的标准要求，包括终端成本，这是一个控制李雅普诺夫函数，AHMPC需要一个终端反馈，把控制李雅普诺夫函数变成一个标准的李雅普诺夫函数在一些域周围的操作点。但是这个域不需要明确地知道。MPC不离线计算最优成本和最优反馈，而是在需要时在线计算这些量。AHMPC不离线计算终端成本是控制李雅普诺夫函数的域，而是当状态在该域中时在线计算。
2016-02-27 math.OC
Adaptive Horizon Model Predictive Control and Al'brekht's Method
一个标准的方法找到一个反馈规律，稳定的控制系统的工作点是重铸的问题作为一个无限的地平线最优控制问题。如果最优成本和最优反馈可以在工作点周围的一个大的域上找到，则可以使用李雅普诺夫参数来验证闭环动态的渐近稳定性。这种方法的问题是，通常是很难找到最优成本和最优反馈的一个大的区域上的非线性问题有约束或无约束。因此，对模型预测控制（MPC）的兴趣越来越大。在标准MPC中，有限时域最优控制问题被实时求解，但仅在当前状态下，第一控制动作被实施，系统演化一个时间步长，并且该过程被重复。利用Al 'brekht方法在工作点附近找到的终端费用和终端反馈，缩短了规划时间，从而使非线性规划的决策变量更少，更容易求解。自适应时域模型预测控制（AHMPC）是一种根据需要改变模型预测控制（MPC）时域长度的方法。它的目标是在尽可能小的范围内实现稳定，以便MPC方法可以用于更快和/或更复杂的动态过程。
2019-03-29 math.OC
Output Feedback Controller Synthesis for Negative Imaginary Systems
本文给出了导出满足负虚部输出反馈控制问题的严格真动态控制器的充要条件。我们的综合方法将输出反馈控制问题分为一个状态反馈问题和一个双输出注入问题。因此，使用一对对偶代数Riccati方程的解形成控制器。最后，一个说明性的例子来说明如何可以应用这种方法。
2019-05-08 math.OC
