Optimality and Suboptimality of MPPI Control in Stochastic and Deterministic Settings
本文研究了MPPI控制在确定性系统中的次优性质，并通过调整超参数来调节其性能。
2025-02-28 cs.SY eess.SY
Model predictive control with stage cost shaping inspired by reinforcement learning
本文提出了一种基于强化学习思想的具有阶段成本成形的特定模型预测控制的次优性研究。次优性研究的重点是导出在模型预测控制的所述变型下的无限时域费用函数与相应的无限时域值函数相关的量。基础控制方案涉及通常的稳定约束，包括终端集和终端成本的形式的本地李雅普诺夫函数。阶段成本使用Q学习的原理进行调整，Q学习是强化学习的一种特殊方法。这项工作的结论是广泛的初始条件下的两个系统的案例研究。
2020-04-27 cs.SY eess.SY math.DS
Closed-Loop Finite-Time Analysis of Suboptimal Online Control
本文研究离散时间非线性时变系统的次优控制，建立分析其有限时间闭环性能的充分条件，证明指数稳定性可推导出增量输入到状态稳定性，并在次优模型预测控制用例中验证。
2025-04-06 cs.SY eess.SY
Suboptimal Safety-Critical Control for Continuous Systems Using Prediction-Correction Online Optimization
针对连续非线性仿射控制系统，研究了基于控制障碍函数（CBF）的安全临界控制问题，并通过时变优化方法，提出了一种有效的在线算法。其思想在于，当基于CBF的方法所需的二次规划（QP）或其他凸优化算法是计算负担不起的，替代的次优可行解可以得到更经济。利用基于障碍的内点法将约束CBF-QP问题转化为无约束CBF-QP问题，并通过两种基于连续下降的算法跟踪次优解。考虑到跟踪和利用系统信息的滞后效应，在算法中加入了预测方法，从而使算法对时变次优解具有指数收敛速度。理论上分析了所设计方法的收敛性和鲁棒性以及算法的安全性准则。最后，通过对机器人防摆避障任务的仿真验证了该方法的有效性。
2023-03-20 cs.SY eess.SY
Suboptimal Control of Unknown Second-order Nonlinear Systems with Guaranteed Global Convergence
针对具有未知时变非线性动态的二阶系统，提出了一种次优自抗扰控制器（S-ADRC）。输出反馈控制器通过动态控制增益保证整体收敛到最优解附近，基于通过高增益观测器获得的估计的主要和扩展状态变量。三个数值例子比较所提出的控制方案适用于线性和非线性系统的固定增益的传统ADRC以及几个基于模型的最优和次优控制器的性能。
2022-06-20 cs.SY eess.SY math.OC
Stable H-infinity controller design for time-delay systems
研究了一类单输入单输出时滞系统的稳定次优H ∞控制器。对于给定的对象和加权函数，最小化混合灵敏度的最优控制器（和中心次优控制器）可能是不稳定的，在复右半平面内有无穷多个极点。对于这些情况下，搜索算法，提出了找到稳定的次优H ∞控制器。并以实例说明了这些设计方法。
2020-03-13 cs.SY eess.SY
H2 suboptimal containment control of homogeneous and heterogeneous multi-agent systems
本文研究同构和异构多智能体系统的H2次优包含控制问题，通过引入性能输出和H2代价泛函，设计分布式动态输出反馈协议，在实现状态/输出包含的同时使H2代价低于给定上界，并给出等价转化方法和仿真验证。
2023-11-19 cs.SY eess.SY math.OC
On Stable H-infinity Controllers for Time Delay Systems
本文研究了时滞系统次优H_∞控制器的稳定性。最优H ∞控制器可能有无穷多个或无穷多个不稳定极点。一个稳定的次优H ∞控制器的设计过程中给出了这些情况下的每一个。并以实例说明了设计方法。
2020-03-03 cs.SY eess.SY
Suboptimal coverings for continuous spaces of control tasks
我们提出了α-次优覆盖数来刻画多任务控制问题，其中动力系统和/或费用函数的集合是无限的，类似于有限任务集合的基数.这个概念可以帮助量化表示良好的多任务策略所需的函数类表达能力，这对于使用参数化函数近似的基于学习的控制方法很重要。研究了二次型线性动力系统（LQR）问题的次优覆盖数，并构造了一类易于分析的多任务LQR问题。对于标量的情况下，我们表现出对数依赖的“宽度”的空间。对于矩阵的情况下，我们提出的实验1）测量一个特定的建设性覆盖的效率，和2）可视化的行为的两个候选系统的下界。
2021-04-24 cs.SY eess.SY math.OC
Suboptimal multirate MPC for five-level inverters
多电平变换器由于其在能量效率方面的优势，在可再生能源系统中的应用是一个日益增长的话题。关于其控制，模型预测控制（MPC）由于其对离散输入的自然考虑、其优化能力以及当今强大的处理硬件的可用性而变得非常有吸引力。与该领域中的其他控制技术相比，MPC的主要缺点是控制输入在采样周期期间保持恒定，并且由于硬件限制，通常难以甚至不可能减小该采样周期。为此，提出了一种多速率MPC算法，该算法允许在采样周期内多次改变控制输入。优化问题被简化，并使次优，大大减少计算负担。这种方法是测试在一个三相，五电平二极管箝位转换器（DCC）的反相模式下工作与三相电阻性负载的模拟。结果表明，显着减少谐波失真的代价是在一个标准的MPC工作在相同的采样周期的换向数量的增加。
2021-04-05 cs.SY eess.SY
Synthesis of anisotropic suboptimal controllers by convex optimization
Institute of Control Sciences of Russian Academy of Sciences（俄罗斯科学院控制科学研究所）
针对具有不精确已知概率分布的随机扰动的线性离散时不变系统，提出基于各向异性范数的次优控制器设计方法，通过凸优化求解固定阶动态输出反馈补偿器。
2011-11-06 cs.SY eess.SY math.OC
Nonlinear MPC for Feedback-Interconnected Systems: a Suboptimal and Reduced-Order Model Approach
University of Bologna（博洛尼亚大学）
本文提出了一种针对离散时间反馈互联系统的次优降阶MPC架构，通过有限次优化迭代和降阶模型实现次优控制，证明闭环系统具有全局指数稳定性。
2026-04-02 cs.SY eess.SY math.OC
Predicting Lane Keeping Behavior of Visually Distracted Drivers Using Inverse Suboptimal Control
Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院人类机器人与机器人研究所）
本文提出利用逆次优控制预测视觉分心驾驶者的车道保持行为，通过考虑驾驶情境、驾驶员缺陷和补偿策略，评估分心带来的风险，实验表明方法在速度和路线拓扑变化下预测误差更小且泛化能力更强。
2016-04-29 cs.SY eess.SY
Predictive Control of a Permanent Magnet Synchronous Machine based on Real-Time Dynamic Optimization
Technische Universität München（慕尼黑工业大学）
提出一种基于连续参数化和线性规划的子优化方法，通过实时优化二次成本并考虑电压电流约束，实现永磁同步电机的快速平滑转矩动态和高速弱磁效率提升。
2012-12-01 cs.SY eess.SY
Discounted MPC and infinite-horizon optimal control under plant-model mismatch: Stability and suboptimality
University of Melbourne（墨尔本大学）；Université de Lorraine, CNRS, CRAN（洛林大学、法国国家科学研究中心、CRAN）；Technische Universität Ilmenau（埃尔福特工业大学）
研究MPC和无限时间最优控制在使用与真实系统不同的代理模型下的闭环稳定性与次优性，分析有限和无限时间问题，揭示时间长度、折扣率与模型不匹配之间的权衡。
2026-04-09 cs.SY eess.SY math.OC
(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
A Sphere Decoding Algorithm for Multistep Sequential Model Predictive Control
本文研究了两种模型预测控制概念--顺序模型预测控制和长时间模型预测控制在电力电子系统中的结合。为了实现顺序模型预测控制，优化问题分为两个子问题：第一个总结所有的控制目标，线性依赖于系统的输入。序贯模型预测控制一般要求对第一个子问题获得多个解。由于有限控制集模型预测控制电力电子系统的混合整数性质，本文提出了一种特殊的球形译码器。第二个子问题由所有这些控制目标，非线性依赖于系统的输入，并解决了一个穷举搜索。通过对三电平中点箝位式永磁同步发电机风力发电系统在不同情况下的仿真，并与其他长时域模型预测控制方法进行比较，验证了该方法的有效性
2020-11-24 cs.SY eess.SY
Data-enabled predictive control with instrumental variables: the direct equivalence with subspace predictive control
直接数据驱动控制吸引了大量的兴趣，因为它使基于优化的控制，而不需要一个参数模型。本文提出了一种新的数据使能预测控制（DeePC）的工具变量~（IV）方法，该方法具有良好的噪声抑制特性，并证明了DeePC和子空间预测控制（SPC）之间的直接等价性。该方法依赖于沿着子空间识别算法的DeePC中的特征方程的推导。IV的一个特定的选择是不相关的未来的噪声，但在同一时间高度相关的数据矩阵。仿真研究表明，所提出的算法在存在过程和测量噪声的情况下，性能得到了改善。
2022-09-12 cs.SY eess.SY
Suboptimality analysis of receding horizon quadratic control with unknown linear systems and its applications in learning-based control
Massachusetts Institute of Technology（麻省理工学院）；Delft University of Technology（代尔夫特理工大学）；ETH Zurich（苏黎世联邦理工学院）
本文分析未知线性系统中名义滚动时域 LQ 控制器的次优性，通过 Riccati 差分方程扰动结果给出性能上界，并据此为学习型控制提供样本复杂度与遗憾保证，指出自适应预测时域有助于遗憾最小化。
2025-06-28 cs.LG cs.SY eess.SY
Dissipativity in economic model predictive control: beyond steady-state optimality
本章提供了一个简明的调查不同的耗散条件，出现在经济模型预测控制的文献，并讨论了他们在这方面的决定性作用。
2019-11-22 cs.SY eess.SY
Time-Constrained Model Predictive Control for Autonomous Satellite Rendezvous, Proximity Operations, and Docking
本文提出一种时间约束模型预测控制策略，用于副星与主星间的六自由度自主交会对接，在航天级处理器上实现，虽能量次优但仿真验证可成功对接。
2025-01-22 cs.SY eess.SY
On the relationship between data-enabled predictive control and subspace predictive control
数据使能预测控制（Data-enabled predictive control，DeePC）是一种将系统辨识、估计和控制结合在一个优化问题中的新方法。子空间预测控制（SPC）方法也有相同的前提，其中根据DeePC所需的相同数据识别多步预测模型。然后，该模型被用来制定一个类似的最优控制问题。在这项工作中，我们研究了DeePC和SPC之间的关系。我们的主要贡献是证明SPC在确定性情况下等同于DeePC。我们还表明，这两种方法的等价性在一个特殊的情况下，非确定性的制定。我们研究了DeePC相对于SPC（有和没有测量噪声）的优点和缺点，并通过仿真示例进行了说明。
2021-04-01 cs.SY eess.SY
Comparative Analysis of Data-Driven Predictive Control Strategies
K. N. Toosi University of Technology（K. N. Toosi理工大学）
本文比较了三种数据驱动预测控制策略，分析其理论基础、假设及应用，通过数值实例评估性能。
2026-05-15 cs.SY eess.SY
Real-time Projected Gradient-based Nonlinear Model Predictive Control with an Application to Anesthesia Control
医疗药物输注问题带来了一系列挑战，例如生理模型的非线性、患者间和患者内变异性导致的模型不确定性以及严格的安全规范。考虑到这些挑战，我们提出了一种新的实时非线性模型预测控制（NMPC）计划的基础上投影梯度下降迭代。在每次迭代中，沿着NMPC成本的梯度采取少量步骤，生成次优输入，其渐近收敛到最优输入。我们检索经典的李雅普诺夫稳定性保证进行足够数量的梯度迭代，直到满足停止标准。这种实时控制方法允许更高的采样率和更快的反馈，这对于高度可变和不确定的药物输注问题的类别是有利的。为了证明控制器的潜力，我们将其应用于两种相互作用的药物麻醉的催眠控制。该控制器成功地调节催眠，即使在干扰和不确定性，并满足基准性能标准。
2022-11-14 cs.SY eess.SY
Closed-loop Data-Enabled Predictive Control and its equivalence with Closed-loop Subspace Predictive Control
本文提出闭环数据驱动预测控制框架CL-DeePC，利用工具变量合成一致预测器以克服闭环辨识偏差，并证明其与CL-SPC等价，仿真显示参考跟踪性能显著提升且对噪声敏感性降低48%。
2024-02-22 cs.SY eess.SY
Policy Optimization for Unknown Systems using Differentiable Model Predictive Control
ETH Zürich（苏黎世联邦理工学院）；Inspire AG（Inspire公司）；Automatic Control Laboratory, ETH Zürich（苏黎世联邦理工学院自动控制实验室）
本文提出结合可微优化与零阶优化的新型策略优化框架，用于未知系统中的MPC策略优化，提升瞬态性能并保持收敛性。
2026-04-20 cs.SY eess.SY math.OC
No Spurious Local Minima in Full-Order Linear Quadratic Gaussian Control
University of California San Diego（加州大学圣地亚哥分校）；Peking University（北京大学）
本文证明全阶LQG控制中所有局部极小值均为全局最优，次优驻点可通过增广策略转化为严格鞍点，揭示了良性景观。
2026-09-29 cs.SY eess.SY math.OC
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
Convergence Properties of Fast quasi-LPV Model Predictive Control
本文研究了无不等式约束的 quasi-LPV 系统快速非线性模型预测控制迭代算法的收敛性质，提出了保证收敛的条件，并设计了一种保持最优性的算法变体，在仿真基准中验证了其性能。
2023-09-14 cs.SY eess.SY math.OC
Data-driven predictive control with estimated prediction matrices and integral action
本文提出了一种数据驱动的预测控制器的设计方法。在标准模型预测控制（MPC）算法中使用的预测矩阵通常使用诸如状态空间或输入-输出模型的系统模型的知识来构造。相反，我们直接估计的预测矩阵，未来的输出与当前和未来的输入测量数据，离线。在线，开发的数据驱动的预测控制器减少到解决一个二次规划的结构和复杂性类似的线性MPC。此外，我们开发了一个新的程序估计预测矩阵的预测控制器的数据与积分行动，对应于基于速率的制定线性MPC。所开发的数据驱动的预测控制器的有效性示出的直线电机模型的位置控制。
2021-04-11 cs.SY eess.SY
On the design of regularized explicit predictive controllers from input-output data
在数据驱动预测控制的最新进展的浪潮中，我们提出了一个显式预测控制器，它可以只从一批输入/输出数据中构造。所提出的显式控制律建立在正则化隐式数据驱动预测控制问题的基础上，从而保证了显式预测控制器的唯一性。作为一个附带的好处，使用正则化，以提高能力的明确的法律，在应对噪音的数据。检索显式法律的有效性和噪声处理的正则化的影响进行了分析，两个基准的仿真案例研究，显示所提出的正则化显式控制器的潜力。
2021-10-22 cs.SY eess.SY
Implementation of Linear Model Predictive Control -- Tutorial
本教程概述了具有线性离散时间系统和约束状态和输入的模型预测控制。重点是在考虑稳定性和递归可行性的情况下实现该方法。示例和绘图的MATLAB代码可在线获得。
2021-09-24 cs.SY eess.SY
Model predictive control with dynamic move blocking
针对MPC需在单采样周期内求解最优控制的难题，本文提出利用上一轮迭代解的动态移动阻塞方法，可保持渐近稳定性并理论界定相对理想解的性能损失。
2023-08-15 cs.SY eess.SY math.OC
An assisting Model Predictive Controller approach to Control over the Cloud
Lund University（隆德大学）；Ericsson Research（爱立信研究）
本文提出了一种具有渐进退化的计算卸载策略，用于在云上执行模型预测控制，通过模拟复杂物理系统在高频下的控制，展示如何利用边缘计算在保持计算负担低的同时改进系统。
2019-05-15 cs.SY eess.SY
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
Data-Driven Model Predictive Control for Linear Time-Periodic Systems
研究了周期已知的离散线性时间周期（LTP）系统的数据驱动预测控制问题。我们提出的策略推广了数据支持预测控制（DeePC）和子空间预测控制（SPC），这是线性时不变（LTI）系统的数据驱动控制技术。该方法是支持广泛的理论发展的行为系统理论的LTP系统，最终概括的基本引理。我们的算法产生的结果相同的标准模型预测控制（MPC）的确定性LTP系统。该算法对噪声数据的鲁棒性是通过将该算法应用于随机多输入多输出LTP系统的正则化版本的仿真来说明的。
2022-09-12 cs.SY eess.SY
Cooperative Predictive Cruise Control: A Bargaining Game Approach
本文从预测控制的角度考虑了协同巡航控制问题。在线决策用于基于从网络获得的信息在驾驶过程中执行。我们从预测控制理论使用讨价还价的游戏，找到一个车辆之间的操作协议，正式的同步问题的方法。最后，我们在一个硬件在环系统的仿真环境中测试这些结果。
2022-09-05 cs.SY eess.SY
The pdf-mpc Package: A Free-Matlab-Coder package for Real-Time Nonlinear Model Predictive Control
CNRS University of Grenoble-Alpes（法国国家科学研究中心格勒诺布尔阿尔卑斯大学）
本文介绍了一个基于Matlab-Coder的pdf-mpc包，用于定义和求解模型预测控制问题，提供免费下载和使用。
2017-04-02 cs.SY eess.SY
Predictive control barrier functions: Enhanced safety mechanisms for learning-based control
虽然基于学习的控制技术通常优于经典控制器设计，但安全要求限制了许多应用中对此类方法的接受。最近的发展通过所谓的预测安全过滤器来解决这个问题，该过滤器评估拟议的基于学习的控制输入是否会导致违反约束，并在必要时对其进行修改，以确保未来所有时间步长的安全性。这种预测性安全滤波器的理论保证依赖于模型假设，微小的偏差可能导致滤波器故障，使系统处于危险之中。本文介绍了一种辅助软约束预测控制问题，总是可行的，在每个时间步长和渐近稳定的可行集的原始安全过滤器，从而提供了一个恢复机制，在安全关键的情况下。这是通过结合终端控制障碍函数的简单约束收紧来实现的。通过扩展离散时间控制障碍函数理论，我们建立了所提出的辅助问题提供了一个“预测”的控制障碍函数。所得到的算法证明使用数值例子。
2022-05-13 cs.SY eess.SY
Model Predictive Control for Constrained Linear Positive Systems on Graphs
TU Darmstadt（达姆施塔特工业大学）；Lund University（隆德大学）
针对图上具有状态和输入容量约束的线性正系统，利用无约束问题的解析结构构建显式次优容许控制器，得到图可计算的性能界和无需终端条件的模型预测控制器的最小稳定化时域长度。
2026-05-27 cs.SY eess.SY math.OC
Optimal Data-Driven Prediction and Predictive Control using Signal Matrix Models
本文提出一种更简洁的Willems引理表述，将模型分离为初始条件匹配与预测控制设计，避免了正则化，并给出未来输出轨迹的最优无偏预测器闭式表达式，仿真验证了其优异控制性能。
2024-03-22 cs.SY eess.SY
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
Resource-Aware Stochastic Self-Triggered Model Predictive Control
本文考虑了在有限的资源因素，如电池寿命或硬件寿命下运行的不确定系统的控制。我们在这里考虑资源感知的自触发控制技术，调度系统的操作不均匀的时间，以平衡性能对资源消耗。当运行在一个不确定的环境中，未知的干扰可能会恶化系统的性能，通过对抗计划的事件触发时间表。在这项工作中，我们提出了一个资源感知的随机预测控制方案来解决这一挑战，提出了一种新的零阶保持反馈控制方案，以适应时间不均匀的预测控制更新。
2021-03-09 cs.SY eess.SY
Numerical Predictive Control for Delay Compensation
我们提出了一种延迟补偿控制方法，将指数稳定控制器的无延迟系统到一个基于样本的预测控制器与数值积分。我们的方法处理一阶和传输延迟的执行器和权衡数值精度与计算延迟，以保证稳定的硬件限制下。通过混合稳定性分析和数值仿真，我们证明了我们的方法的有效性，从理论和仿真的角度。
2020-09-30 cs.SY eess.SY
Stability Analysis of Hypersampled Model Predictive Control
本文提出超采样模型预测控制稳定性分析框架，区分离散化与采样时间，证明二者独立并论证采样时间更小的优势，破解传统离散时间MPC采样时间选择中性能与计算复杂度的权衡难题。
2023-10-04 cs.SY eess.SY
A Primary Frequency Control Strategy for Variable-Speed Pumped-Storage Plant in Power Generation Based on Adaptive Model Predictive Control
针对低惯量电网频率控制难题，本文提出基于自适应模型预测控制的变速抽水蓄能电站发电工况一次调频策略，利用其灵活性提升调频性能。
2022-11-01 cs.SY eess.SY
The Unscented Transform Controller: a new model predictive control law for highly nonlinear systems
基于Unscented变换的Unscented卡尔曼滤波器（UKF），提出了一种新的非线性对象的预测控制器，称为Unscented变换控制器（UTC）。UTC可以被看作是UKF的对偶，与LQG调节器和卡尔曼滤波器相关的方式相同。UTC演示的虚拟跳伞运动员在自由落体的复杂机动的控制模型在风洞和自由落体实验中得到验证。
2022-07-21 cs.SY eess.SY
Data-Driven Predictive Control for Wide-Area Power Oscillation Damping
ETH Zurich（苏黎世联邦理工学院）；Hitachi Energy Research（日立能源研究院）；The University of Melbourne（墨尔本大学）
本文提出数据驱动预测控制用于阻尼广域电力系统振荡，通过对比ARX、TPC与DeePC等方法，验证了其在抑制区域间和局部振荡中的有效性。
2026-01-27 cs.SY eess.SY
Discussions on Inverse Kinematics based on Levenberg-Marquardt Method and Model-Free Adaptive (Predictive) Control
本文从控制理论的角度对目前基于LM方法的逆运动学鲁棒数值解法进行了重新分析。通过分析修正后的无模型自适应控制（MFAC）的控制性能，与已有的研究相比，更清楚地分析了计算的鲁棒性和计算误差的收敛性能。然后以最小化预测跟踪误差为目标，提出了一种新的无模型自适应预测控制方法来解决机器人逆运动学问题。最后，我们应用MFAPC作为控制器的机器人运动控制问题的仿真。该方法不仅具有良好的控制性能，而且能有效地求解逆运动学问题。
2023-02-06 cs.SY eess.SY
Robust Learning Model Predictive Control for Periodically Correlated Building Control
住宅和商业建筑占全球能源消耗的40%以上，将成为未来绿色能源系统的关键参与者。为了充分发挥其潜力，同时确保乘员舒适性，需要一个鲁棒控制方案来处理各种不确定性，如外部天气和乘员行为。然而，突出的模式，特别是周期性，在大多数不确定性来源中广泛存在。本文将这种相关结构的学习模型预测控制的框架，以学习一个全局最优的鲁棒控制方案的建设业务。
2021-04-06 cs.SY eess.SY
Expectation-Maximization Based Defense Mechanism for Distributed Model Predictive Control
控制大规模系统有时需要分散计算。智能体之间的沟通对于实现共识和最佳全局行为至关重要。这些谈判机制对这些交易所受到的攻击很敏感。针对基于资源分配的分布式模型预测控制中的攻击问题，提出了一种基于期望最大化的算法。通过一个输入功率约束下的多个房间的温度控制的学术例子的性能进行评估。
2022-07-17 cs.SY eess.SY
Koopman-Operator-Based Model Predictive Control for Drag-free Satellite
本文提出基于Koopman算子和SINDy的无拖曳卫星非线性动力学数据驱动建模方法，并设计线性MPC控制器用于测试质量捕获，数值算例验证了其有效性。
2025-09-24 cs.SY eess.SY
Multi-Objective Learning Model Predictive Control
本文提出多目标学习模型预测控制，利用重复任务中的系统数据迭代构建终端组件，在保证递归可行性的同时实现多目标闭环性能的逐次改进，并证明收敛策略具有帕累托最优性。
2024-10-17 cs.SY eess.SY
Adaptive Distributed Observer-based Model Predictive Control for Multi-agent Formation with Resilience to Communication Link Faults
针对带输入约束和未知通信故障的非线性多智能体编队跟踪问题，提出基于自适应分布式观测器的分布式MPC方法，分解问题为本地子问题求解，提升故障韧性并简化控制构建。
2024-10-31 cs.SY eess.SY
