Backup Plan Constrained Model Predictive Control with Guaranteed Stability
针对任务不确定下的自主车辆路径规划，提出备份计划安全概念与备份计划约束MPC算法，通过多目标多时域可行性最大化兼顾主备任务可行性，保证闭环渐近稳定，经UAV仿真验证有效。
2023-10-06 cs.SY eess.SY
Reach-Avoid Model Predictive Control with Guaranteed Recursive Feasibility via Input Constrained Backstepping
Aalto University, Finland（阿尔托大学）
本文提出了一种新的采样数据模型预测控制框架，用于连续控制-仿射非线性系统，通过输入输出约束传播实现严格达-避和递归可行性保证。
2026-04-03 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
Stability of Finite Receding Horizon Control: A Complementary Approach
本文提出了一种补充的方法来建立稳定的有限滚动时域控制与终端成本。首先，通过旋转终端成本来定义新的增广阶段成本。然后，一个一步优化问题的基础上定义这个增广阶段的成本。研究表明，如果增广一步代价（OSVF）的值函数是控制李雅普诺夫函数，则稍加修改的模型预测控制（MPC）算法是稳定的。建议的稳定性条件是完全互补的现有终端成本为基础的MPC稳定性条件的意义上，他们是相互排斥的。通过使用这种方法，我们能够建立稳定的MPC算法与零终端成本，甚至负终端成本的特殊情况。将这种新方法与现有的MPC稳定性理论相结合，我们能够显着放宽对MPC的稳定性要求，并扩展了保证稳定性的设计空间。所提出的方法将有助于进一步缩小稳定性理论与MPC和其他基于优化的控制方法的实际应用之间的差距。
2023-01-27 cs.SY eess.SY math.OC
A Provably Correct MPC Approach to Safety Control of Urban Traffic Networks
Boston University（波士顿大学）
本文提出一种可证明正确的MPC方法，通过在安全集内寻找鲁棒受控不变集来优化有限时间成本函数，确保城市交通网络的长期安全性能。
2016-02-02 cs.SY eess.SY
Stochastic Model Predictive Control with Discounted Probabilistic Constraints
Department of Engineering Science, University of Oxford（牛津大学工程系）
本文研究了具有加性扰动的线性离散时间系统，设计了模型预测控制（MPC）律以最小化二次成本函数，同时满足机会约束。通过惩罚初始时间附近的违反概率并忽略远未来的时间概率，这种约束形式保证了在线优化的可行性，而无需假设扰动有界。利用切比雪夫不等式提出了计算方便的MPC优化问题，并引入了在线约束紧化技术以确保递归可行性。闭环系统被证明满足机会约束和二次稳定性条件。
2018-07-19 cs.SY eess.SY math.OC
Implementation of model predictive control for tracking in embedded systems using a sparse extended ADMM algorithm
本文提出了一种稀疏的，低内存占用的优化算法，用于在嵌入式系统中实现模型预测控制（MPC）的跟踪制定。该MPC公式与标准MPC公式相比具有几个优点，例如增加的吸引域和保证的递归可行性，即使在突然的参考变化的情况下。然而，这是以向MPC的优化问题添加少量决策变量为代价的，这使其矩阵的结构复杂化。我们提出了一个稀疏优化算法，基于扩展的交替方向的乘法器，利用这种特殊的MPC制定的结构。我们描述了控制器的制定和详细说明其结构是如何利用上述优化算法。我们展示了闭环模拟比较建议的求解器对其他求解器和方法从文献。
2021-12-09 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
Multistage Economic MPC for Systems with a Cyclic Steady State: A Gas Network Case Study
本文提出一种直接最小化经济目标的多阶段经济MPC框架，通过引入基于Lyapunov的稳定性约束扩展至循环稳态系统，并在天然气网络案例中验证其能有效应对不确定需求、避免约束违例并保证鲁棒稳定性。
2025-03-06 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
Corridor MPC for Multi-Agent Inspection of Orbiting Structures
本文扩展走廊模型预测控制至高阶分布式系统，利用高阶控制屏障函数约束确保智能体在轨检查时保持安全走廊，并通过数值测试和ISS场景仿真验证了方案的可行性与安全性。
2024-02-27 cs.SY eess.SY
Stability analysis of Model Predictive Controllers using Mixed Integer Linear Programming
Linköping University（林雪平大学）
本文提出一种基于混合整数线性规划的工具，用于分析线性系统中模型预测控制器闭环稳定性，通过优化问题提供稳定性充分条件。
2016-04-04 cs.SY eess.SY math.OC
An MPC approach to output-feedback control of stochastic linear discrete-time systems
Politecnico di Milano（米兰理工大学）；Università di Pavia（帕维亚大学）
本文提出了一种用于受可能无界加性噪声影响的线性离散时间系统的输出反馈MPC算法，通过Chebyshev-Cantelli不等式处理未知噪声分布下的概率约束，证明了算法递归可行性及状态收敛性，展示了其计算负载与标准稳定MPC算法相似。
2014-08-28 cs.SY eess.SY
Robust MPC with Zone Tracking
本文提出一种具有广义区域跟踪的鲁棒非线性模型预测控制设计ZMPC，通过修改目标区域抑制有界扰动影响，并利用控制不变集作为终端集确保闭环稳定性，在连续搅拌反应釜仿真中验证了其有效性。
2023-05-19 cs.SY eess.SY math.DS
Robust Adaptive MPC Using Uncertainty Compensation
本文提出基于不确定性补偿的鲁棒自适应MPC框架（UC-MPC），利用L1自适应控制器补偿匹配不确定性并提供误差界限，据此收紧约束并设计标称系统MPC，保证约束满足且提升性能。
2024-09-25 cs.SY eess.SY
Model predictive control for tracking using artificial references: Fundamentals, recent results and practical implementation
本文为采用人工参考作为决策变量的跟踪用模型预测控制提供全面教程，介绍其概念、优势与理论保证，调研线性及非线性扩展进展，探讨其在基于学习的MPC中的应用与实现优化问题。
2024-12-09 cs.SY eess.SY
Robust Output-Feedback MPC for Nonlinear Systems with Applications to Robotic Exploration
本文提出一种基于区间值预测器的鲁棒输出反馈MPC方法，通过初始镇定反馈参数化减小预测区间宽度，提升噪声环境下的控制性能，并应用于机器人自主探索。
2025-04-14 cs.SY eess.SY
Scheduling and control over networks using MPC with time-varying terminal ingredients: extended version
当控制器通过资源受限的通信网络连接到工厂时，推出方法是解决共同设计传输时间表和相应输入值的问题的有效工具。这些方法通常采用MPC，其在基础传输调度的周期长度的倍数处被激活。使用多步不变的终端区域和一个比基准周期长的预测范围，可以确保稳定性。然而，这种策略具有固有的缺点，例如高计算复杂度和低鲁棒性。我们的目标是解决这些缺点，提出了一个MPC与周期性时变终端区域和成本的推出设置，其中控制器被激活在每个时刻，并具有任意但固定的预测范围。我们认为更详细的两个具体的设置从文献中的网络控制系统，即令牌桶网络和执行器调度。对于这两种设置，我们提供的条件下，收敛的时变MPC的应用程序可以保证。在两个数值例子中，我们证明了所提出的方法的好处。
2020-02-11 cs.SY eess.SY
An adaptive MPC scheme for energy-efficient control of building HVAC systems
提出了一种用于控制供暖、通风和空调（HVAC）系统的自主自适应MPC架构，以在降低能耗的同时保持室内温度。尽管设备使用和占用者随时间变化，但现有MPC方法不能够在没有人类专家干预的情况下自动重新学习模型并可靠地计算控制决策。我们力求解决这一弱点。两个主要特征嵌入在所提出的架构中以实现自主性：（i）来自我们先前工作的系统辨识算法，其周期性地从数据重新学习建筑动态和未测量的内部热负荷，而不需要专家重新调整。估计的模型是保证是稳定的，并具有理想的物理性质，无论数据;（ii）一个MPC计划与凸近似的原始非凸问题。规划器使用下降和收敛方法，底层优化问题是可行的和凸的。一个现实的工厂长达一年的模拟表明，所提出的架构的功能-周期性模型和扰动更新和凸化的规划问题-是必不可少的，以获得性能的改善，一个常用的基线控制器。如果没有这些功能，尽管MPC在某些情况下可以优于基线控制器，但其好处可能不足以保证对MPC的投资。
2021-02-07 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
Adaptive Handling of Deadline Misses via Stochastic MPC
Robert Bosch GmbH（罗伯特·博世有限公司）；Saarland University（萨尔兰大学）；Lund University（隆德大学）
本文针对实时控制系统的截止期限错过问题，提出控制驱动的混合超期策略，通过马尔可夫跳跃线性系统建模与场景树随机模型预测控制优化，在双积分器等线性基准上验证了方案的有效性。
2026-10-14 cs.SY eess.SY
Robust MPC for tracking of nonholonomic robots with additive disturbances
Beijing Institute of Technology（北京理工大学）；KTH Royal Institute of Technology（皇家理工学院）
本文提出两种鲁棒MPC方案用于非完整系统在有界扰动下的轨迹跟踪：管MPC和名义鲁棒MPC。管MPC通过控制信号和非线性反馈律使实际轨迹保持在最优轨迹的管内，而NRMPC通过求解优化问题获取最优控制序列并反馈修正状态，仿真验证了两种策略的有效性。
2017-03-09 cs.SY eess.SY
Full-Order Safety for Nonlinear Reduced-Order MPC
Stanford University（斯坦福大学）；Imperial College London（伦敦帝国学院）
针对降阶MPC的建模误差导致约束违反问题，提出CoRE-MPC，通过带误差半径的非线性ROM规划，在保证全阶系统安全的同时，计算效率远高于全阶鲁棒MPC。
2026-10-15 cs.RO cs.SY eess.SY
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
On performance bound estimation in NMPC with time-varying terminal cost
模型预测控制（MPC）方案通常设计有固定的，即，时不变、水平长度和代价函数。如果不使用稳定终端成分，则可以通过足够长的时间范围来保证稳定性。一个次优性指数可以推导出的MPC法的性能在无限时域（IH）的界限。虽然对于时不变方案，这种指数可以离线计算，但较少关注具有自适应代价函数的时变策略，可以找到，例如，基于学习的最优控制本文研究了具有稳定时域和时变终端代价的非线性MPC的性能界。提出了一种利用最优有限时间成本的衰减和卷积历史堆栈来预测IH性能的界限的方案。基于衰减率的在线信息，改进了性能界估计，同时使用自适应动态规划的方法来适应终端成本。终端成本的自适应导致具有相同水平长度的时不变方案的性能改善。该方法是证明在一个案例研究。
2021-03-01 cs.SY eess.SY math.OC
Layered Nonlinear Model Predictive Control for Robust Stabilization of Hybrid Systems
针对非线性混合系统滚动时域优化难以实时求解的问题，提出高低层分层MPC架构，并通过跟踪误差管建立重算速度与鲁棒性的联系。
2025-03-17 cs.SY eess.SY
Economic MPC using a Cyclic Horizon with Application to Networked Control Systems
Institute for Systems Theory and Automatic Control, University of Stuttgart（斯图加特大学系统与自动控制中心）；Leibniz University Hannover（汉诺威莱布尼茨大学）
本文研究了一种具有终端区域和成本的经济模型预测控制方案，通过循环 horizon实现系统在状态空间子集中的最优操作，并在合适 dissipativity 条件下保证收敛到最优子集，最终通过网络控制系统实例验证了方法的有效性。
2019-06-04 cs.SY eess.SY
Model Predictive Control of District Heating Grids Using Stabilizing Terminal Ingredients
本文针对集中供热管网碳中和转型需求，提出基于稳定终端要素的模型预测控制方法，并利用系统结构给出基于拓扑的可镇定性充分条件，通过数值案例验证了其实用性。
2024-04-02 cs.SY eess.SY
ReLU Networks for Model Predictive Control: Network Complexity and Performance Guarantees
Department of Automation, and Beijing National Research Center for Info. Sci. & Tech. (BNRist), Tsinghua University, Beijing 100084, China（自动化系，北京信息科学与技术国家研究中心（BNRist），清华大学，北京）
本文提出基于投影的方法，建立状态依赖的Lipschitz连续性属性，并推导ReLU网络宽度和深度的显式界限，以保证MPC策略的闭环性能。
2026-01-23 cs.LG cs.SY eess.SY
On generalized terminal state constraints for model predictive control
Politecnico di Torino（都灵理工大学）；University of California at Santa Barbara（加州大学圣塔芭芭拉分校）
提出一种广义终端状态约束方法，用于设计模型预测控制律，在相同计算复杂度下扩大可行域，并引入新的滚动时域策略保证有限时间收敛。
2013-07-12 cs.SY eess.SY math.OC
Constraint-Tightening and Stability in Stochastic Model Predictive Control
University of Stuttgart（斯图加特大学）；CNR-IEIIT, Politecnico di Torino（意大利国家研究委员会-信息与电气工程学院，都灵理工大学）
本文探讨了在随机模型预测控制中通过约束收紧非保守地保证递归可行性与稳定性，提出统一的算法并讨论了性能与收敛时间的平衡。
2016-05-12 cs.SY eess.SY math.OC
Event-triggered Robust Model Predictive Control under Hard Computation Resource Constraints
本文提出一种事件触发模型预测控制（ET-MPC）方法，通过分布式事件触发线性控制与约束收紧的鲁棒MPC相结合，降低最坏情况计算负载，在扰动下稳定多个非线性系统，显著降低中央服务器硬件需求。
2025-04-28 cs.SY eess.SY
Stabilizing predictive control with persistence of excitation for constrained linear systems
University of Sheffield（谢菲尔德大学）
本文提出了一种新的自适应预测控制器，通过将输入分为两部分来持续激励系统，结合MPC启发的滚动优化问题和传统管MPC控制器，确保约束满足、鲁棒指数稳定性及参数估计收敛。
2018-04-20 cs.SY eess.SY
A direct optimization algorithm for input-constrained MPC
Massachusetts Institute of Technology（麻省理工学院）
本文针对输入约束MPC提出一种零成本、数据无关初始化的直接优化算法，首次移除全牛顿内点法的初始化假设，并给出仅依赖维度且精确的迭代次数上界，从而实现对非线性及自适应MPC执行时间的可认证保障。
2024-03-30 cs.AI cs.CC cs.NA
Model predictive control design for dynamical systems learned by Long Short-Term Memory Networks
本文分析了长短期记忆（LSTM）网络的稳定性相关特性，并研究了它们在模型预测控制器（MPC）设计中作为对象模型的用途。首先，给出了保证LSTM的输入到状态稳定性（ISS）和增量输入到状态稳定性（dISS）的充分条件。然后利用这些属性来设计一个观测器，保证状态估计收敛到真实的。这样的观察员，然后嵌入在MPC计划解决跟踪问题。所得到的闭环方案被证明是渐近稳定的。在pH反应器的仿真器上对训练算法和控制方案进行了数值测试，结果证实了所提出方法的有效性。
2020-08-27 cs.SY eess.SY
Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining
Institute for Data Science in Mechanical Engineering (DSME)（机械工程数据科学研究所（DSME））；RWTH Aachen University（亚琛工业大学）
提出一种参数自适应 AMPC 架构，通过引入非线性规划的局部敏感性实现无需重训的在线调节，在资源受限 MCU 上控制真实 cartpole 系统并保证稳定性，首次展示了跨系统实例的泛化能力。
2024-06-06 cs.LG cs.SY eess.SY
Robust reduced-order model predictive control using peak-to-peak analysis of filtered signals
Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）；Department of Mechanical Engineering, Imperial College London（帝国理工学院机械工程系）
本文提出一种利用降阶模型的鲁棒模型预测控制方法，通过分析误差和峰值到峰值增益来保证约束满足和鲁棒性能，实验显示在100维质量-弹簧-阻尼系统中减少了四阶以上保守性。
2026-07-24 cs.SY eess.SY math.OC
Simultaneous Suspension Control and Energy Harvesting through Novel Design and Control of a New Nonlinear Energy Harvesting Shock Absorber
在过去的几十年里，车辆悬架的振动控制和能量收集同时引起了重大的研究关注。然而，现有的能量收集减震器（EHSA）主要基于线性共振的原理设计，从而损害了用于高效能量收集的悬架性能并且仅对窄带宽振动作出响应。在本文中，我们提出了一种新的EHSA设计-惯性摆减振器（IPVA）-集成了电磁旋转EHSA与非线性摆减振器。我们发现，这种设计同时提高了乘坐舒适性和能量收集效率，利用摆惯性的非线性效应。为了进一步提高性能，我们开发了一种新的随机线性化模型预测控制（SL-MPC）的方法，在该方法中，我们采用随机线性化近似的非线性动态EHSA具有优越的精度相比，标准线性化。特别是，我们开发了一个新的随机线性化方法，保证稳定，这是一个先决条件的控制设计。这导致了MPC问题，这是更计算效率比非线性MPC对应没有重大的性能下降。大量的仿真结果表明，所提出的新的非线性EHSA的优越性，并证明所提出的SL-MPC的功效。
2022-06-10 cs.SY eess.SY
Safe Beyond the Horizon: Efficient Sampling-based MPC with Neural Control Barrier Functions
D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院D.Guggenheim航空航天工程学院）；Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空与航天工程系）
针对MPC预测视界外安全问题，提出学习近似离散时间控制屏障函数并集成到采样型VIMPC中，配合新采样策略降低方差，实现实时规划，显著提升安全性。
2025-07-08 cs.AI cs.RO cs.SY
Learning-based predictive control for linear systems: a unitary approach
Politecnico di Milano（米兰理工大学）
本文提出了一种综合方法，用于学习驱动的模型预测控制（MPC）在线性系统中的识别与控制。该方法通过整合数据驱动的MPC法则，结合模型学习和基于模型的控制设计，实现了对扰动状态空间模型的鲁棒约束满足。
2018-10-30 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
AC4MPC: Actor-Critic Reinforcement Learning for Nonlinear Model Predictive Control
University of Freiburg（弗莱堡大学）；Delft University of Technology（代尔夫特理工大学）
本文提出AC4MPC方法，将演员-评论家强化学习与模型预测控制并行结合，利用评论家近似最优价值函数、演员展开提供初始猜测，并证明其性能优于原始强化学习策略且无需全局最优解。
2024-06-06 cs.AI cs.SY eess.SY
Robust contraction-based model predictive control for nonlinear systems
本文针对非线性扰动系统提出一种基于鲁棒收缩的MPC方法，采用易设计的终端代价函数、不使用终端约束，并选择保证闭环稳定性的最短预测时域。
2025-02-04 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
Reducing the Prediction Horizon in NMPC: An Algorithm Based Approach
Curtin University of Technology（科廷科技大学）；University of Bayreuth（拜罗伊特大学）
针对无终端代价或端点约束的MPC，提出基于Lyapunov论证的算法，通过增加状态测量反馈频率来保证短预测时域下的渐近稳定性。
2011-05-17 cs.NA cs.SY eess.SY
Accelerating Hybrid Model Predictive Control using Warm-Started Generalized Benders Decomposition
Independent Researcher（独立研究者）；Department of Mechanical Engineering, University of California, Los Angeles（加州大学洛杉矶分校机械工程系）；School of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院机械工程学院）
本文提出一种基于广义邦德斯分解的混合MPC算法，通过预热切割平面提升求解速度，适用于机器人控制任务。
2025-12-18 cs.RO cs.SY eess.SY
A hierarchical control framework for autonomous decision-making systems: Integrating HMDP and MPC
School of Engineering, University of Leicester（莱斯特大学工程学院）；Loughborough University（拉夫堡大学）
本文提出一种集成混合马尔可夫决策过程（HMDP）与模型预测控制（MPC）的分层控制框架，用于自主决策系统，兼顾安全性与最优性，并已应用于智能车辆自主变道。
2024-01-12 cs.AI cs.RO cs.SY
A Unified Framework for Online Data-Driven Predictive Control with Robust Safety Guarantees
针对非线性MPC依赖精确模型且计算成本高的问题，本文提出一种在线数据驱动预测控制统一框架，通过STF并行学习识别动力学、RCBF保证安全并学习NMPC策略，结合在线策略校正方案，在保证安全的同时大幅降低计算成本。
2023-06-29 cs.SY eess.SY
Towards parallelizable sampling-based Nonlinear Model Predictive Control
Eindhoven University of Technology（埃因霍温理工大学）
本文提出一种基于采样的非线性MPC算法，其复杂度与预测时间N平方相关，与样本数线性相关。通过利用前一时间步的预测输入序列作为初始值，逐步更新序列元素，实现一定程度的并行化，保证递归可行性、稳定性及改进的成本函数，适用于实时应用。
2017-01-12 cs.SY eess.SY
Online, Reachability-Aware, Sampling-Based Motion Planning
本文提出一种在线可达性感知的基于采样的运动规划方法，通过快速区间流水线计算可达集超近似，在无需预计算下达到先进性能，并显著降低安全违规。
2026-09-09 cs.RO cs.SY eess.SY
SEP-NMPC: Safety Enhanced Passivity-Based Nonlinear Model Predictive Control for a UAV Slung Payload System
Department of Earth and Space Science and Engineering, York University（地球与空间科学与工程系，约克大学）
本文提出SEP-NMPC方法，通过结合被动性理论和高阶控制屏障函数，实现无人机悬挂载具系统的稳定性与安全性保障。
2026-03-09 cs.RO cs.SY eess.SY
Certifiable Explicit Model Predictive Control for Spacecraft Rendezvous under Bounded Disturbances
NOVA University of Lisbon（诺瓦大学）；Center for Technology and Systems (CTS)（技术与系统中心）；Institute for Systems and Robotics, Instituto Superior Técnico, University of Lisbon（里斯本大学高等技术学院系统与机器人研究所）
本文针对航天器交会问题，提出基于参数二次规划与混合zonotope可达性分析的可验证显式MPC，突破时域限制，51步时域下控制律仅占10.5 MB、计算耗时低于300 ns，适配CubeSat飞行计算机。
2026-08-25 cs.SY eess.SY
