Autonomous Wheel Loader Trajectory Tracking Control Using LPV-MPC
在本文中,我们提出了一个系统的方法,高性能和高效的自主轮式装载机的轨迹跟踪控制。针对轮式装载机的非线性动力学模型,将非线性模型预测控制(MPC)应用于离线轨迹规划,以获得满足状态和控制约束的高性能状态控制轨迹。在跟踪控制中,将非线性模型嵌入到线性变参数(LPV)模型中,并采用LPV-MPC策略实现快速在线计算和良好的跟踪性能。为了证明LPV-MPC的有效性和优越性,我们在高保真仿真环境中测试和比较了三种模型预测控制策略。在规划轨迹的基础上,对LPV-MPC、非线性MPC和LTI-MPC三种跟踪控制策略进行了仿真,并从计算量和跟踪性能两个方面进行了比较。LPV-MPC可以实现比常规LTI-MPC更好的性能,因为在LPV模型中捕获更准确的标称系统动态。此外,LPV-MPC实现略差的跟踪性能,但大大提高了计算效率比非线性MPC。我们的自动轮式装载机在模拟环境中完成装载循环的视频可以在这里找到:https://youtu.be/QbNfS_wZKKA。
2022-04-07 cs.SY eess.SY
Linear tracking MPC for nonlinear systems Part I: The model-based case
针对非线性系统,提出了一种基于线性化动态模型的预测控制方法。在合理的假设下,线性化的动态,我们证明了建议MPC计划指数稳定的最佳可达平衡w.r.t.期望的目标设定点。我们的理论结果依赖于这样一个事实,即接近稳态流形,线性化的预测误差是小的,因此,我们可以沿着稳态流形滑向最佳可达平衡。闭环系统的稳定性主要取决于一个成本矩阵,它允许我们权衡性能,鲁棒性和吸引区域的大小。在一个非线性连续搅拌釜式反应器的应用程序中,我们表明,该计划,这只需要解决一个凸二次规划在线,具有可比的性能,非线性MPC计划,而计算显着更有效。此外,我们的研究结果提供了控制非线性系统的基础上依赖于数据的线性预测模型,我们在我们的同伴论文探索。
2022-04-14 cs.SY eess.SY math.OC
Perfecting Periodic Trajectory Tracking: Model Predictive Control with a Periodic Observer ($Π$-MPC)
Stanford University(斯坦福大学);ETH Zürich(苏黎世联邦理工学院)
本文提出Π-MPC方法,通过周期观测器估计并补偿周期性扰动,与跟踪MPC结合实现渐近零误差跟踪,并在高维软体机器人和自动驾驶赛车实验中验证了其有效性。
2024-08-30 cs.RO cs.SY eess.SY
Standoff Tracking Using DNN-Based MPC with Implementation on FPGA
本文研究了无人机(UAV)在固定高度的运动目标上方沿期望圆滑行的防区外跟踪问题。我们提出了一种新的李雅普诺夫制导矢量(LGV)字段与可调收敛速度的无人机的轨迹规划和深度神经网络(DNN)为基础的模型预测控制(MPC)计划跟踪参考轨迹。然后,我们展示了如何收集用于离线训练DNN的样本,并设计了一个积分模块(IM)来改进我们基于DNN的MPC的跟踪性能。此外,硬件在环(HIL)仿真与FPGA@200 MHz表明,我们的方法是一个有效的替代嵌入式实现的MPC解决复杂的系统和应用程序,这是不可能直接解决MPC优化问题。
2022-12-21 cs.SY eess.SY
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
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
MPC for Tracking applied to rendezvous with non-cooperative tumbling targets ensuring stability and feasibility
针对主动碎片清除中与非合作翻滚目标的交会,提出一种基于中间坐标变换和QP求解的模型预测追踪控制器,通过终端LQR和死区保证稳定性与可行性,并在Envisat交会模拟中验证性能。
2024-03-16 cs.SY eess.SY math.OC
MPC for tracking for anesthesia dynamics
UPHF, CNRS, UMR 8201 - LAMIH(北部高等学院,法国国家科学研究中心,联合研究单位8201-信息与力学实验室);INSA Hauts-de-France(上法兰西国立应用科学学院);Univ. Grenoble Alpes, CNRS, Grenoble INP, GIPSA-lab(格勒诺布尔阿尔卑斯大学,法国国家科学研究中心,格勒诺布尔理工学院,控制与图像信号处理实验室)
本文提出了一种用于麻醉动力学控制的MPC跟踪方法,通过优化稳态对和引入补偿项,实现对多时间尺度系统的控制,并在模拟环境中验证了控制器性能。
2025-12-09 cs.SY eess.SY
Data-Driven Tracking MPC for Changing Setpoints
提出了一种数据驱动的跟踪模型预测控制(MPC)方案来控制未知离散线性定常系统。该方案使用纯数据驱动的系统参数化来预测基于行为系统理论的未来轨迹。控制目标是跟踪给定的输入输出设定点。我们证明了这个设定点是指数稳定的闭环建议MPC,如果它是可达的系统动力学和约束。对于一个不可达的设定点,我们的计划保证闭环指数稳定的最佳可达平衡。此外,在系统动力学是已知的情况下,所提出的结果扩展了现有的基于模型的设定点跟踪的结果的情况下,阶段成本仅是半正定的状态。通过一个实际的例子说明了所提出的方法的有效性。
2021-04-16 cs.SY eess.SY
Real-time implementation of MPC for tracking in embedded systems: Application to a two-wheeled inverted pendulum
提出了一种基于模型预测控制的两轮倒立摆机器人跟踪控制算法。这种配方提供了几个优点,在标准的MPC配方的代价是增加了少量的决策变量,这使得优化问题的矩阵的内部结构复杂化。我们实现了稀疏求解器,基于乘法器的交替方向法的扩展,在系统的嵌入式硬件。结果表明,求解器是适合于控制一个真实的系统,采样时间在毫秒的范围内,使用当前,现成的硬件。
2021-03-26 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
Nonlinear MPC for Tracking for a Class of Non-Convex Admissible Output Sets
本文对非线性模型预测控制的跟踪方案进行了扩展,即使在非凸输出容许集的情况下也能保证收敛。这是通过在优化问题中加入凸化同胚来实现的,允许它在凸空间中求解。本文还定义了一类新的非凸集,并给出了构造凸化同胚的系统方法。这种同胚,然后嵌入在模型预测控制优化问题的方式,同胚不再需要在封闭的形式。最后,通过一个说明性的例子,所提出的方法的有效性。
2020-07-14 cs.SY eess.SY
High-Performance Trajectory Tracking MPC for Quadcopters with Coupled Time-Varying Constraints and Stability Proofs
Avular Mobile Robotics(阿夫拉移动机器人公司);Eindhoven University of Technology(埃因霍温理工大学)
本文提出基于12维预测模型的MPC策略,用于四旋翼的轨迹跟踪,通过处理时间变化耦合约束,实现更精确快速的跟踪性能与稳定性保证。
2025-09-01 cs.SY eess.SY
Fixed-time Disturbance Observer-Based MPC Robust Trajectory Tracking Control of Quadrotor
本文提出固定时间扰动观测器与模型预测控制相结合的控制算法,实现四旋翼在扰动下的鲁棒轨迹跟踪,并通过仿真与实验验证其有效性。
2024-08-30 cs.SY eess.SY
ComTraQ-MPC: Meta-Trained DQN-MPC Integration for Trajectory Tracking with Limited Active Localization Updates
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Coordinated Science Laboratory(协调科学实验室)
本文提出ComTraQ-MPC框架,结合元训练DQN与MPC,在有限主动定位更新下优化轨迹跟踪,通过两者交互提升效率与精度,适用于复杂部分可观测环境。
2024-08-20 cs.AI cs.RO cs.SY
Fault-Tolerant MPC Control for Trajectory Tracking
School of Science and Technology, NOVA University of Lisbon(新里斯本大学科学技术学院);CTS - Centro de Tecnologia e Sistemas part of LASI(LASI下属的技术与系统中心);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)
本文提出一种结合主动故障识别的容错MPC控制方法,通过集约束凸生成器和SVD分解实现在线模型自适应,提升轨迹跟踪性能。
2026-03-30 cs.SY eess.SY
Robust tracking MPC for perturbed nonlinear systems -- Extended version
针对受有界非加性扰动的约束非线性系统,本文提出新型鲁棒预测控制器,通过引入人工参考作为决策变量、施加保守约束,实现分段恒定设定点跟踪,保证鲁棒可行性与收敛性。
2025-08-19 cs.SY eess.SY
Adaptive Lyapunov-constrained MPC for fault-tolerant AUV trajectory tracking
Xi’an University of Technology(西安工业大学);University of Oslo(奥斯陆大学)
本文针对AUV推进器故障下的轨迹跟踪问题,提出自适应Lyapunov约束MPC方法,结合Bayesian在线故障识别实现软切换,并通过Lyapunov约束保证切换稳定性,仿真验证了其低跟踪误差和快速故障适应能力。
2025-09-21 cs.SY eess.SY
Lattice piecewise affine approximation of explicit nonlinear model predictive control with application to trajectory tracking of mobile robot
Harbin Institute of Technology Shenzhen(哈尔滨工业大学深圳校区)
为了促进移动机器人在各个领域的广泛应用,必须保证其轨迹跟踪性能。针对移动机器人系统的约束条件和非线性特点,采用非线性模型预测控制(MPC)实现移动机器人的轨迹跟踪。针对非线性预测控制在线计算复杂的问题,设计了一种格点分段仿射(PWA)逼近方法,该方法既能逼近非线性系统,又能逼近显式非线性预测控制的控制律。移动机器人的运动学模型沿轨迹依次线性化,得到系统的线性时变描述,然后用格型PWA模型表示。随后,非线性MPC问题可以转化为一系列线性MPC问题。此外,为了降低在线计算多个线性MPC问题的复杂性,我们使用格PWA模型来近似线性MPC的最优解。也就是说,对于不同的采样状态,最优控制输入,并构造格PWA近似的状态控制对。通过与线性MPC和显式线性MPC框架的比较,进行仿真来评估我们的方法的性能。结果表明,与显式线性预测控制方法相比,该方法在线计算速度快,离线计算时间短,跟踪误差不明显增加。
2023-02-16 cs.RO cs.SY eess.SY
Distributed Model Predictive Control with Reconfigurable Terminal Ingredients for Reference Tracking
各种努力已经致力于开发用于跟踪分段常数参考的稳定分布式模型预测控制(MPC)方案。在这些方案中,终端集通常离线计算,并用于MPC在线阶段,以保证递归的可行性和渐近稳定性。最大不变终端集不一定尊重网络的分布式结构,阻碍了控制器的分布式实现。另一方面,椭圆形终端集尊重分布式结构,但可能会导致保守方案。针对网络化动力系统的参考跟踪问题,提出了一种新的分布式MPC方法,该方法根据闭环状态在线重构终端成分,以缓解上述问题.由此产生的非凸无限维问题近似使用二次规划。所提出的方案进行了测试,在模拟中,建议的MPC问题,采用分布式优化解决。
2021-10-27 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
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
Recent advancements on MPC for tracking: periodic and harmonic formulations
针对经典MPC参考值变更或不可行导致优化失效的问题,本文总结了引入人工参考变量的跟踪MPC新公式,可保证稳定性与可行性,短预测时域下性能更优、吸引域更大。
2024-06-24 cs.SY eess.SY
MPC-Based Trajectory Tracking for a Quadrotor UAV with Uniform Semi-Global Asymptotic Stability Guarantees
Huazhong University of Science and Technology(华中科技大学);Lakehead University(湖首大学)
本文提出了一种适用于四旋翼无人机的模型预测轨迹跟踪方法,通过分层控制策略实现姿态和推力的闭环控制,并证明了整体系统半全局渐近稳定性。
2026-09-21 cs.SY eess.SY
Safe and Fast Tracking on a Robot Manipulator: Robust MPC and Neural Network Control
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);ETH Zürich(苏黎世联邦理工学院);University of Stuttgart(斯图加特大学)
快速反馈控制和安全保证在现代机器人中是必不可少的。我们提出了一种方法,通过结合新的鲁棒模型预测控制(MPC)与函数逼近通过(深)神经网络(NN),实现两者。其结果是一种新的方法,复杂的任务,非线性,不确定性和约束动力学是常见的机器人。具体来说,我们利用最近的MPC研究结果,提出了一种新的鲁棒的设定点跟踪MPC算法,实现了可靠和安全的动态设定点跟踪,同时保证稳定性和约束满足。所提出的鲁棒MPC方案构成了一个单层的方法,该方法通过基于参考和可能的障碍物位置直接计算控制命令来统一经常分离的规划和控制层。作为一个单独的贡献,我们展示了如何的MPC的计算时间可以大大减少近似的MPC法与神经网络控制器。NN是根据MPC的离线样本进行训练和验证的,产生统计保证,并在运行时间代替其使用。我们的国家的最先进的机器人机械手的实验是第一次表明,无论是建议的鲁棒性和近似MPC计划的规模,以现实世界的机器人系统。
2020-03-03 cs.LG cs.RO cs.SY
Harmonic model predictive control for tracking sinusoidal references and its application to trajectory tracking
本文扩展了谐波模型预测控制(HMPC)以跟踪周期性正弦参考和任意轨迹,该方法保留了小预测时域下性能好、吸引域大且优化复杂度与参考周期无关的优势。
2025-04-01 cs.SY eess.SY
Real-Time Multi-Convex Model Predictive Control for Occlusion Free Target Tracking
University of Toronto(多伦多大学);University of Tartu(塔尔图大学)
提出了一种用于静态和动态障碍物中目标跟踪的模型预测控制(MPC)算法。我们的主要贡献在于提高了底层非凸轨迹优化的计算易处理性和可靠性。其结果是MPC算法可以在笔记本电脑和嵌入式硬件设备(如Jetson TX 2)上实时的【形】运行。我们的方法依赖于新的重新制定的跟踪,碰撞和遮挡的约束,诱导多凸结构,从而产生的轨迹优化。我们利用这些数学结构使用分裂Bregman迭代技术,最终减少我们的MPC到一系列凸二次规划可在几毫秒内解决。我们的MPC的快速重新规划允许在复杂环境中进行遮挡和无碰撞跟踪,即使考虑目标轨迹和动态障碍物的简单恒速预测。我们在一个现实的物理引擎中进行了广泛的基准测试,并表明我们的MPC在可见性,平滑度和计算时间指标方面优于最先进的算法。
2021-12-22 cs.RO 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
Model Predictive Control for setpoint tracking
本文提出用于跟踪的模型预测控制(MPCT)方法,解决参考值变化时传统跟踪控制可能失去可行性与稳定性的问题,确保设定值的递归可行性和渐近稳定性。
2024-10-01 cs.SY eess.SY math.OC
Nonlinear MPC for Offset-Free Tracking of systems learned by GRU Neural Networks
Politecnico di Milano(米兰理工大学)
递归神经网络(Recurrent Neural Networks,RNNs)具有黑箱建模能力,近年来在系统辨识中的应用越来越受到人们的关注,尽管RNNs在许多应用中得到了卓有成效的应用,但只有很少的工作致力于提供严格的理论基础来证明其用于控制目的的合理性。本文的目的是描述如何稳定的门控递归单元(GRU),一个特定的RNN架构,可以训练和采用非线性MPC框架,以执行无偏移跟踪恒定参考与保证闭环稳定性。所提出的方法进行了测试的pH值中和过程的基准,表现出显着的性能。
2022-01-25 cs.LG cs.SY eess.SY
Remote Tube-based MPC for Tracking Over Lossy Networks
本文针对有损网络下的受约束系统控制问题,提出将管式模型预测控制拆分为本地扰动抑制与远程最优轨迹生成两部分,并通过倒立摆仿真验证了其在丢包和扰动下的递归可行性与跟踪性能。
2024-08-14 cs.SY eess.SY
QSID-MPC: Model Predictive Control with System Identification from Quantized Data
该研究聚焦量化数据对系统辨识及模型预测控制的影响,揭示模型误差与量化分辨率的关联,证明丰富数据集下两类误差的有界性,并通过两个线性动力系统数值实验验证理论。
2025-03-24 cs.SY eess.SY
An explicit dual control approach for constrained reference tracking of uncertain linear systems
研究了一类线性动力系统的有限时域最优跟踪问题,该系统的状态空间矩阵具有参数不确定性,且存在外部干扰。一个次优的解决方案,提出了使用模型预测控制(MPC)的显式对偶控制方法,使主动不确定性学习。提出了一种新的鲁棒不变在线终端集和终端控制器的设计算法。采用集员辨识方法在线更新系统的参数不确定性。预测的最坏情况下的成本中使用的MPC最优化问题的控制输入的双重效果建模。使用建议的终端集和剩余时间范围的收缩性来估计成本,以便优化器可以估计勘探的未来收益。所提出的双重控制算法确保了鲁棒约束满足和递归可行性,并使用鲁棒性能指标导航的探索-开发权衡。
2022-02-04 cs.SY eess.SY math.OC
Artificial-reference tracking MPC with probabilistically validated performance on industrial embedded systems
Universidad de Sevilla(塞维利亚大学);IMT School for Advanced Studies(意大利高等研究学院)
提出一种适用于工业嵌入式系统的模型预测控制(MPC)实现,利用基于ADMM的结构开发算法求解人工参考跟踪问题,并集成无偏置方案、约束收紧和软约束等实用特性,通过概率框架验证长期闭环性能。
2026-06-08 cs.SY eess.SY
A nonlinear model predictive control framework using reference generic terminal ingredients -- extended version
本文提出了一种准无限时域非线性模型预测控制(MPC)方案,用于跟踪一般参考轨迹。该方案适用于局部增量可镇定的非线性系统。对于这样的系统,我们提供了一个参考的一般离线过程来计算一个增量稳定的反馈与连续参数化的二次准无限地平线终端成本。因此,我们得到了一个非线性参考跟踪MPC方案的有效终端成本一般可达的参考轨迹,而不增加在线计算复杂度。作为一个推论,终端成本也可以用来设计非线性MPC方案,可靠地运行在线变化的条件下,包括不可达的参考信号。该方法的实用性与基准的例子证明。本文是已接受的论文[1]的扩展版本,并包含有关\textit{robust}轨迹跟踪(App.~ B)、连续时间动力学(App.~ C)、输出跟踪阶段成本(附录~ D)和与增量系统属性的连接(App.~ A)。
2020-03-11 cs.SY eess.SY math.OC
Experimental validation of an explicit flatness-based MPC design for quadcopter position tracking
本文提出一种基于平坦输出空间线性化的显式MPC方案,用于四旋翼位置跟踪,通过分别计算每个双积分器的控制器,在保持性能的同时大幅降低计算负担,并经过仿真与实验验证。
2023-08-30 cs.SY eess.SY
Robust economic MPC of the absorption column in post-combustion carbon capture through zone tracking
几项研究报告了燃烧后CO2捕集(PCC)工厂中吸收塔最佳操作的重要性。在我们以前的工作中已经证明了经济的模型预测控制(EMPC)如何具有很大的潜力,以改善PCC工厂的操作。然而,使用一般的经济目标,例如最大化塔的吸收效率,可能导致EMPC驱动系统的状态接近约束。这通常会导致不期望的溶剂过度循环和溢流。在这项工作中,我们提出了一个EMPC与区域跟踪算法作为一种有效的手段来解决这个问题。该控制算法结合了区域跟踪目标和经济目标,形成一个多目标最优控制问题。为了确保在模型不确定性和时变烟气流速存在的情况下实现区域跟踪目标,我们提出了一种方法来修改原始目标区域的控制不变集。区域修正方法结合了椭球控制不变集技术和退避策略。椭球控制不变集的使用确保该方法适用于大规模系统,如吸收塔。我们提出了几个模拟案例研究,证明了所提出的控制算法的有效性和适用性的吸收塔燃烧后的二氧化碳捕集厂。
2022-01-05 cs.SY eess.SY
Reduced Order Model Predictive Control For Setpoint Tracking
Stanford University(斯坦福大学)
本文提出了一种降阶模型预测控制方案,用于高维系统中的设定点跟踪,并通过离线线性规划确保约束满足。
2019-05-02 cs.SY eess.SY
On the Steady-State Behavior of Finite-Control-Set MPC with an Application to High-Precision Power Amplifiers
针对开关功率放大器的精度要求越来越高的问题,研究了具有有限控制集的离散线性系统的模型预测控制设计问题。通常,FCS-MPC的现有解决方案惩罚输出跟踪误差和控制输入变化率,这可能导致可用离散控制输入之间的任意切换和不可预测的稳态行为。为了改善FCS-MPC的稳态性能,本文设计了一个代价函数,该函数对状态和输入稳态极限环的跟踪误差进行惩罚。我们证明了,如果一个合适的终端成本添加到FCS-MPC算法收敛到极限环的保证。所开发的方法在用于高精度运动系统的功率放大器的直接开关控制中得到验证,其中它显著地改善了稳态输出电流纹波。
2022-05-31 cs.SY eess.SY
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
Dual MPC for quasi-Linear Parameter Varying systems
IMT School for Advanced Studies Lucca(卢卡高等研究学院)
本文提出双MPC框架,用于同时识别和控制准线性参数变系统,通过在线估计器和控制器实现输出跟踪与参数估计的协同优化。
2026-03-31 cs.SY eess.SY
Safe Reference Tracking and Collision Avoidance for Taxiing Aircraft Using an MPC-CBF Framework
University of California, Irvine(加利福尼亚大学欧文分校);Howard University(霍华德大学);Augustana College(奥古斯塔纳学院);Purdue University(普渡大学)
本文提出基于MPC-CBF的飞机自动滑行框架,结合图路径规划与HOCBF安全约束,实现安全参考跟踪与避障,仿真验证其性能优于PID-CBF方法。
2024-10-04 cs.RO cs.SY eess.SY
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
Model Predictive Control for Trajectory Tracking on Differentiable Manifolds
University of Hong Kong(香港大学)
我们认为几何跟踪控制理论和模型预测控制(MPC)的机器人系统在流形上操作之间的差距的桥梁的问题。我们提出了一个通用的流形MPC制定的基础上发展的流形上的系统的规范表示。然后,我们提出了一种方法,解决了在流形MPC制定线性化的跟踪下沿轨迹的系统。所提出的方案有两个主要优点。首先,线性化系统导致一个等价的误差系统表示的一组最小的参数没有任何奇异性。其次,系统建模,误差系统推导,线性化和控制的过程中,流形约束完全解耦的系统描述,使一个符号MPC框架,自然封装流形约束的发展。在这个框架中,用户只需要提供系统特定的描述,而不需要处理多方面的约束。我们实现了这个框架,并测试它的四旋翼无人机(UAV)上运行的$SO(3) \times \mathbb{R}^n$和无人地面车辆(UGV)在曲面上移动。真实世界的实验表明,所提出的框架和实现高跟踪性能和计算效率,即使在高度侵略性的特技飞行四旋翼机动。
2021-06-29 cs.RO cs.SY eess.SY
Indoor experimental validation of MPC-based trajectory tracking for a quadcopter via a flat mapping approach
本文针对四旋翼无人机MPC轨迹跟踪问题,提出基于优化的非保守线性内近似方法处理平坦输出空间中的非凸输入约束,并通过室内实验验证了方法的有效性。
2023-04-19 cs.SY eess.SY
Harmonic based model predictive control for set-point tracking
本文提出了一种新的模型预测控制(MPC)公式的设定点跟踪。基于终端成分的稳定预测控制器可能在小到中等预测范围的参考变化的情况下表现出稳定性和可行性问题。在用于跟踪制定的MPC中,通过添加人工平衡点作为新的决策变量来解决这些问题,从而提供显著扩大的吸引域并保证任何参考变化的递归可行性。然而,如果预测范围不够大,它可能会遭受性能问题。本文提出了一种扩展的调和人工参考使用的平衡点。所提出的配方实现更大的领域的吸引力,可以显着优于其他MPC配方时,预测范围很小。我们证明了所提出的控制器的渐近稳定性和递归的可行性,以及其主要成分的设计提供指导方针。最后,我们强调了它的优势与球和板系统的案例研究。
2021-01-29 cs.SY eess.SY
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
Scalable Distributed Learning-Based MPC for Heterogeneous Consumer-Prosumer Building Aggregations: MPC-Aware Feature Selection and Convex Constraint-Coupled Optimization
University College London(伦敦大学学院)
提出一种数据驱动框架,通过MPC感知的特征选择、输入凸编码器-仅变换器(IC-EoT)建模和跟踪ADMM分布式求解,实现异构建筑聚合的实时协调需求响应。
2026-09-29 cs.SY eess.SY
Indirect Adaptive Optimal Control in the Presence of Input Saturation
本文提出了一种结合幅值饱和自适应控制(MSAC)和模型预测控制(MPC)的方法来解决具有参数不确定性和输入饱和的线性二次型跟踪最优控制问题。所提出的MSAC-MPC方法首先关注于稳定解和参数估计,并且当参数学习完成时切换到MPC。我们表明,MSAC,高阶调谐器的基础上,导致参数收敛到真值,同时提供稳定性保证。我们还表明,切换到MPC后,最优性差距是明确的,并与参数估计误差成正比。我们证明了建议MSAC-MPC算法的有效性,通过一个数值例子的基础上的线性二阶,两个输入,不稳定系统。
2023-03-10 cs.SY eess.SY math.OC
Decentralized MPC based Obstacle Avoidance for Multi-Robot Target Tracking Scenarios
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);University of Tübingen(图宾根大学);International Institute for Information Technology(国际信息技术研究所)
在这项工作中,我们考虑的问题,分散的多机器人目标跟踪和避障在动态环境中。每个机器人执行基于模型预测控制(MPC)的局部运动规划算法。规划器被设计为二次规划,受到机器人动力学和避障的约束。采用排斥势场函数来避开障碍物。我们的方法的新颖之处在于嵌入这些非线性势场函数的约束条件内的凸优化框架。我们的方法convexifies非凸约束和依赖关系,通过将它们替换为机器人动力学中预先计算的外部输入力。所提出的算法还采用了不同的方法,以避免使用潜在的场函数规划领域的局部极小值问题。运动规划器不强制执行预定义的轨迹或任何形成的机器人的几何形状,是一个全面的解决方案,在多机器人目标跟踪的背景下,合作避障。我们在不同的环境下进行仿真研究,以展示所提出的算法的收敛性和有效性。模拟研究视频:\url{https://youtu.be/umkdm82Tt0M}
2019-09-01 cs.MA cs.RO cs.SY
Integrated Path Tracking with DYC and MPC using LSTM Based Tire Force Estimator for Four-wheel Independent Steering and Driving Vehicle
DGIST(大邱庆北科学技术院);Electronics and Telecommunications Research Institute (ETRI)(韩国电子通信研究院);Hyundai Motor Company(现代汽车公司);Yeungnam University(岭南大学)
针对自动驾驶车辆主动防撞中路况突变下的横向稳定与路径跟踪问题,提出基于LSTM的轮胎力估计器,结合4WIS-MPC与4WID-DYC构建集成路径跟踪系统,经仿真验证其在突变路况下可显著提升车辆稳定性。
2023-12-13 cs.RO cs.SY eess.SY
Offset-free Nonlinear MPC with Koopman-based Surrogate Models
本文针对基于EDMD的代理模型设计了无偏置非线性MPC,通过引入观测器估计的扰动项和参考计算器,在建模误差渐近常数的假设下实现了受控输出的无偏置跟踪,并在van-der-Pol振荡器和四水箱过程基准上验证了有效性。
2025-04-30 cs.SY eess.SY math.OC
Learning based Predictive Error Estimation and Compensator Design for Autonomous Vehicle Path Tracking
National Key Lab of Vehicular Transmission, School of Mechanical Engineering, Beijing Institute of Technology(北京理工大学机械工程学院车辆传动国家重点实验室)
模型预测控制(MPC)由于其处理各种类型的约束的能力而被广泛用于自主车辆的路径跟踪。然而,由于数学模型的误差或模型的线性化,存在着相当大的预测误差。在本文中,我们提出了一个框架,结合MPC与基于学习的误差估计器和前馈补偿器,以提高路径跟踪精度。一个极端的学习机来估计基于模型的预测误差,从车辆状态反馈信息。离线训练数据是从由模型缺陷的规则MPC控制的车辆中收集的,用于分别在几种工况下的路径跟踪。数据包括车辆状态以及当前实际位置与相应预测位置之间的空间误差。根据预测误差的估计值,设计了基于PID的前馈补偿器。通过Carsim的仿真结果表明,预测误差的估计精度和所提出的框架的自动驾驶汽车的路径跟踪的有效性。
2020-07-18 cs.RO cs.SY eess.SY
A Model Predictive Control Approach to Dual-Axis Agrivoltaic Panel Tracking
Michigan Technological University(密歇根理工大学);University of Michigan(密歇根大学)
本文提出基于模型预测控制的双轴农光互补面板跟踪方法,通过实时调整面板位置优化电力生产和作物产量,通过凸松弛和阴影因子近似将优化问题转化为凸二次锥规划,并通过案例研究展示在功率生产与作物产量间的帕累托前沿。
2026-03-25 cs.SY eess.SY