Predictive Control with Learning-Based Terminal Costs Using Approximate Value Iteration
模型预测控制（MPC）方案下的稳定性通常由终端成分来确保。采用（控制）李雅普诺夫函数作为终端成本构成了一个共同的选择。基于学习的方法可以用于通过将终端成本与例如无限时域最优控制问题相关联来构造终端成本，其中最优成本是李雅普诺夫函数。值迭代是一种近似动态规划（ADP）方法，是一种特殊的成本近似技术。在这项工作中，我们合并终端无约束预测控制和近似值迭代的结果，从这两个领域的利益。一个预测范围是根据不同的因素，如近似相关的错误，使闭环渐近稳定，进一步允许一个次优估计相比，一个无限的地平线上的最佳成本。结果扩展了最近的研究预测控制与ADP为基础的终端成本，不需要一个本地的初始稳定控制器。我们比较这个控制器在模拟与其他终端成本选项，表明所提出的方法导致一个较短的最小地平线相比，以前的结果。
2022-12-01 cs.SY eess.SY math.OC
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
Nonlinear Model Predictive Control for Navy Microgrids with Stabilizing Terminal Ingredients
本文提出一种带稳定终端要素的非线性模型预测控制策略，结合下垂控制架构，用于海军中压直流微电网的电压调节与脉冲功率负载能量分配，并通过与传统PI控制器对比验证了闭环稳定性和鲁棒性。
2024-05-02 cs.SY eess.SY
A new formulation of Economic Model Predictive Control without terminal constraint
在本文中，它表明，一个简单的制定经济模型预测控制，可以使用它具有两个功能，通常被视为相互排斥的，即，一个相当短的预测范围（可达性兼容）的一侧，并没有最终约束的另一侧。对于由连续时间模型离散化得到的离散时间模型，该结果也成立。当某些参数增加和采样时间减少时，在最佳未知稳态对的小邻域的实用稳定性。给出了一个常用的例子来说明结果。
2020-11-20 cs.SY eess.SY
MM-LMPC: Multi-Modal Learning Model Predictive Control via Mode-Specific Terminal Design and Bandit-Based Exploration
Graduate School of Engineering, The University of Osaka（大阪大学大学院工学研究科）；Institute of Systems and Information Engineering, University of Tsukuba（筑波大学系统信息工程学研究所）
提出多模态LMPC（MM-LMPC），通过聚类轨迹为运动模式并构建模态特定终端设计，结合LCB元控制器选择模式，以增强探索并降低代价，理论保证稳定性与收敛性。
2026-09-15 cs.SY eess.SY
Constrained finite-time stabilization by model predictive control: an infinite control horizon framework
The Seventh Research Division, Beihang University（北京航空航天大学第七研究院）
本文提出了一种无限时间 horizon 的模型预测控制框架，用于解决离散时间系统的约束有限时间稳定化问题，通过扩展终端成本策略并替换为无限时间 horizon 上阶段成本的总和，提高了初始可行性并避免了终端等式约束和切换策略。
2026-09-29 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
Energy-efficient predictive control for connected, automated driving under localization uncertainty
本文提出一种数据驱动的模型预测控制方法，通过学习终端成本与约束优化互联自动驾驶车辆的纵向运动，实现城市道路节能行驶，仿真与车辆在环实验表明其平均能效较传统方法提升19%。
2024-07-29 cs.SY eess.SY
Distributed Learning Model Predictive Control for Linear Systems
针对具有耦合动态和状态约束的分布式线性定常系统，提出了一种分布式学习模型预测控制（DLMPC）方案。所提出的解决方法是基于一个在线的分布式优化计划与最近邻通信。如果控制任务是迭代的，并且来自先前可行迭代的数据可用，则子系统利用本地数据来构造本地终端集和终端成本，这保证了递归可行性和渐近稳定性，以及迭代过程中的性能改进。在第一个可行的轨迹是很难获得的情况下，或者任务是非迭代的，我们进一步提出了一种算法，有效地探索状态空间，并生成所需的数据，在MPC问题的终端成本和终端约束的建设在一个安全和分布式的方式。相对于其他分布式MPC计划，使用结构化的正不变集，所提出的方法涉及一个控制不变集作为终端集，我们不强加任何分布式结构。所提出的迭代格式收敛到全局最优解的无限时域最优控制问题在温和的条件下。数值实验证明了所提出的DLMPC格式的有效性。
2020-06-24 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
Distributed Model Predictive Control for Linear Systems with Adaptive Terminal Sets
ETH Zurich（苏黎世联邦理工学院）
本文提出了一种用于具有可分离结构的线性时不变约束系统的分布式模型预测控制方案，通过统一框架整合终端控制器和终端集的合成，提升稳定性与不变性。
2018-03-20 cs.MA cs.SY eess.SY
On discount functions for economic model predictive control without terminal conditions
本文将无终端条件经济模型预测控制的稳定性保证从线性折扣扩展至一大类折扣函数，证明其在周期最优轨道下仍具渐近稳定性，并通过数值示例表明合适的折扣函数可在短预测时域下显著提升性能。
2025-03-11 cs.SY eess.SY math.OC
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
Model Predictive Control for Tracking Bounded References With Arbitrary Dynamics
本文提出一种MPC方法，通过引入人工参考作为决策变量，处理任意动态有界参考跟踪，保证递归可行性和跟踪误差渐近稳定，并仿真验证其有效性。
2025-03-26 cs.SY eess.SY
Set-Theoretic Direct Data-driven Predictive Control
针对带未知时滞的受约束LTI系统，提出集合论式直接数据驱动预测控制方法，通过构建N步输入输出后向可达集推导控制律，无需终端代价、状态估计与显式预测模型，可保证有限时间收敛与递归可行性，镇定效果优于无终端成分的同类方法。
2024-11-01 cs.SY eess.SY
Learning Model Predictive Control for Periodic Repetitive Tasks
针对周期性重复任务，提出了一种无参考学习模型预测控制器。我们考虑一个问题，其中的动态，约束和阶段成本是周期性时变的。控制器使用闭环数据来构造时变终端集和时变终端成本。我们表明，所提出的策略在闭环线性和非线性系统保证递归约束的满足，不增加开环成本，开环和闭环成本是相同的收敛。针对线性和非线性系统的不同重复任务进行了仿真。
2020-04-17 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
Robust constrained nonlinear Model Predictive Control with Gated Recurrent Unit model -- Extended version
本研究提出一种基于门控循环单元网络模型的鲁棒约束非线性模型预测控制方法，通过约束收紧策略保障约束鲁棒满足与递归可行性，引入新终端代价和终端集实现闭环系统的输入-状态稳定性。
2023-12-19 cs.SY eess.SY
Approximate infinite-horizon predictive control
预测控制经常用于涉及约束的控制问题。作为一种基于优化的技术，利用用户指定的所谓阶段成本、性能属性，即，除了闭环稳定性之外，无限时域累积级成本的界也是令人感兴趣的。为了实现良好的性能，并影响与预测时域相关联的吸引区域，预测控制器的优化目标的终端成本是一个关键的设计因素。近似动态规划是指在状态域上追求迭代成本自适应的一种特定近似范式。近似误差的困扰，相关的近似最优控制器，在一般情况下，不一定是稳定的，也不是它的性能量化的整个近似域。使用一个参数终端成本通过近似动态规划训练，提出了一种稳定的预测控制器，其性能可以直接关系到成本逼近误差。该控制器还确保了在与终端成本相关联的近似最优控制器的训练域之外的闭环渐近稳定性。
2022-09-07 cs.SY eess.SY math.OC
A Convex Feasibility Approach to Anytime Model Predictive Control
IMT Institute for Advanced Studies Lucca（卢卡高等研究学院）
本文提出一种凸可行性方法，用于任何时间模型预测控制，通过分离性能优化与渐近收敛性，实现终端集收敛，同时根据可用资源优化计算时间，适用于线性MPC和不同终端集类型。
2015-02-27 cs.SY eess.SY
Learning Model Predictive Control for iterative tasks. A Data-Driven Control Framework
University of California at Berkeley（加州大学伯克利分校）
本文提出一种无参考模型预测控制器，通过学习前次迭代提升性能，利用安全集和终端成本函数保证递归可行性，通过状态和输入轨迹递归构建终端集和终端成本函数，仿真验证了控制逻辑的有效性。
2017-12-14 cs.LG cs.SY eess.SY
A nonlinear tracking model predictive control scheme for dynamic target signals
提出了一种非线性模型预测控制（MPC）方法，用于动态目标信号的跟踪。该方案将稳定和动态轨迹规划结合在一层中，从而确保约束满足，而无论动态目标信号的变化如何。对于周期性的目标信号，我们确保指数稳定的最佳可达周期轨迹使用合适的终端成分和凸性条件的基本周期性最优控制问题。此外，我们引入了一个在线优化的终端集的大小，自动快速收敛和操作之间的权衡接近的约束。此外，我们展示了如何稳定和动态轨迹规划可以制定为部分解耦的优化问题，从而降低了计算需求，同时确保递归的可行性和收敛性。使所提出的设计的主要工具是一种新的参考通用离线计算，提供合适的终端成分跟踪动态参考轨迹。这种方法的实用性表现在基准测试的例子，这表明了优越的性能相比，最先进的方法。
2020-10-20 cs.SY eess.SY
Stable MPC with maximal terminal sets and quadratic terminal costs
本文提出一种计算线性模型预测控制器二次终端成本的技术，使其在最大控制不变集内对所有状态有效，从而最大化递归可行状态集，确保渐近稳定性并便于控制器调参。
2024-06-04 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
Nonlinear Model Predictive Control for Constrained Output Path Following
Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Otto von Guericke University Magdeburg（奥托·冯·格里克马格德堡大学）
本文提出非线性系统输出路径跟踪的预测控制方法，分析约束路径跟踪的几何特性，提供终端区域和终端惩罚的收敛条件，并通过机器人示例验证。
2015-02-09 cs.SY eess.SY math.OC
Goal-Conditioned Terminal Value Estimation for Real-time and Multi-task Model Predictive Control
Graduate School of Informatics, Kyoto University（京都大学信息学研究科）
针对模型预测控制计算负担大、难适配动态多任务的问题，提出结合目标条件化终值学习的MPC框架与分层控制结构，经双足倒立摆机器人实验验证可实现坡地轨迹跟踪的实时多任务控制。
2024-10-08 cs.LG cs.RO cs.SY
Data-driven MPC with terminal conditions in the Koopman framework
本文在Koopman框架下利用EDMD构建数据驱动模型，提出带终端条件的非线性MPC，严格证明递归可行性与实际渐近稳定性，并验证了控制器及终端设计流程的有效性。
2024-08-22 cs.SY eess.SY math.OC
Equivalence of Optimality Criteria for Markov Decision Process and Model Predictive Control
本文证明了一个马尔可夫决策过程（MDP）的最优策略和价值函数，无论是否贴现，都可以被一个有限时间无贴现最优控制问题（OCP）所捕获，即使它是基于一个不精确的模型。这可以通过为OCP选择适当的阶段成本和终端成本来实现。OCP的非常有用的特定情况是模型预测控制（MPC）方案，其中使用确定性（可能是非线性）模型来降低计算复杂度。这一观察使我们充分参数化MPC方案，包括代价函数。在实践中，可以使用强化学习算法来调整参数化MPC方案。我们验证了发达国家的定理分析LQR的情况下，我们调查了一些其他非线性的例子在模拟。
2023-02-07 cs.SY eess.SY
MM-LMPC: Multi-Modal Learning Model Predictive Control via Bandit-Based Mode Selection
针对传统LMPC依赖初始轨迹易陷入局部最优的问题，提出多模态MM-LMPC方法，通过轨迹聚类分模式维护终端集与价值函数，结合老虎机LCB策略平衡探索利用，可逃离局部最优并保证稳定性与收敛性，仿真验证了性能提升。
2025-10-01 cs.SY eess.SY
A Linear Parameter-Varying Approach to Data Predictive Control
Eindhoven University of Technology（埃因霍温理工大学）；University of Stuttgart, Institute for Systems Theory and Automatic Control（斯图加特大学系统与自动控制系统研究所）；Institute for Electrical Engineering in Medicine, Universität zu Lübeck（吕贝克大学医学电气工程学院）；Systems and Control Lab, Institute for Computer Science and Control（计算机科学与控制研究所系统与控制实验室）
本文提出了一种基于线性参数变化方法的数据驱动预测控制策略，通过终端成分保证系统稳定性和可行性，并通过仿真验证其在非线性系统中的有效性。
2025-10-27 cs.SY eess.SY
ALADIN-based Distributed Model Predictive Control with dynamic partitioning: An application to Solar Parabolic Trough Plants
针对太阳能抛物槽式电站传热流体温度控制问题，提出结合动态聚类分区的ALADIN分布式模型预测控制方法，可在低性能损失下减少协调变量数，并在10回路电站验证了有效性。
2023-05-04 cs.SY eess.SY
Robust distributed model predictive control of linear systems: analysis and synthesis
针对离散线性系统受未知有界扰动的鲁棒性问题，提出了一种分布式模型预测控制（DMPC）的鲁棒DMPC设计方法.利用某些类的分布式系统的结构中看到的应用与交互耦合，如车辆排队，一种新的鲁棒DMPC制定。所提出的方法的特点是可分离的终端成本和本地强大的终端集，后者集自适应估计的在线优化问题。一个约束收紧方法的基础上的集员方法被用来保证约束满足耦合子系统中存在的干扰。在此公式下，闭环系统被证明是递归可行的和输入到状态稳定的。为了帮助部署建议的强大DMPC，一个可能的合成方法和设计条件，实际实施。最后，一个质量-弹簧-阻尼器系统的仿真结果证明了所提出的鲁棒DMPC。
2021-03-09 cs.SY eess.SY
Stability proof for nonlinear MPC design using monotonically increasing weighting profiles without terminal constraints
CNRS, Univ. Grenoble Alpes（法国国家科学研究中心，格勒诺布尔阿尔卑斯大学）
本文提出一种无需终端约束的MPC框架，通过时间变化的递增阶段成本惩罚实现稳定性，证明在惩罚率足够高时，0可达预测时间 horizon总能稳定。
2017-03-08 cs.SY eess.SY
Model Predictive Control with Preview: Recursive Feasibility and Stability
针对非线性系统，提出了一种具有扰动预见信息的镇定模型预测控制（MPC）方案。所提出的MPC算法不仅能够通过必要时利用干扰预见信息来抑制干扰，而且还能够利用干扰，如果它对控制任务有利的话。这是通过在执行在线优化时考虑预测范围中的任务（例如参考轨迹）和干扰预览来实现的。建立了在扰动下保证递归可行性和稳定性的条件。首先将时域内的扰动与状态进行叠加，形成新的复合系统，然后对阶段代价函数进行相应的修正。借助输入到状态稳定性理论，构造了终端代价和终端约束，并将其加入到带预见的MPC算法中，以保证其在有界扰动下的递归可行性和稳定性。数值仿真结果验证了所提MPC算法的有效性。
2022-02-25 cs.SY eess.SY
Finite Control Set Model Predictive Control with Limit Cycle Stability Guarantees
针对现有有限控制集模型预测控制稳态行为不可预测的问题，提出带周期终端代价与终端集的极限环FCS-MPC设计，保证算法渐近稳定与递归可行性，方法经切换系统和电力电子算例验证。
2024-07-10 cs.SY eess.SY math.OC
Stability and performance in transient average constrained economic MPC without terminal constraints
本文研究了无终端约束的暂态平均约束经济模型预测控制（MPC）的系统理论性质。我们表明，最佳开环解决方案通过连续的时刻的最佳稳态。利用这种收费公路属性和适当的可控性条件，我们提供了闭环性能界限。此外，通过将旋转值函数与与瞬态平均约束相关的扩展状态的输入-状态（ISS）李雅普诺夫函数相结合，证明了系统的稳定性。最后用数值例子说明了结果。
2020-10-20 cs.SY eess.SY
Minimum Time Learning Model Predictive Control
本文提出了一种用于线性和非线性时间最优控制问题的学习模型预测控制（LMPC）策略。我们的工作建立在现有的LMPC方法，它保证有限时间收敛性能的闭环系统。我们展示了如何使用闭环数据构造时变安全集和终端代价函数。由此产生的LMPC政策是时变的，它保证递归约束满足和非递减性能。通过对安全集和终端代价函数进行凸化，提高了计算效率。我们证明了，对于一类非线性系统和凸约束，凸LMPC公式保证递归约束满足和非减性能。最后，我们说明了所提出的策略的有效性最短时间避障和赛车的例子。
2020-10-04 cs.SY eess.SY math.OC
Mission-Centric Requirements Analysis of Model Predictive Control in Spacecraft Rendezvous and Proximity Operations
University of Stuttgart（斯图加特大学）
本文以ADRIOS/ClearSpace-1任务为例，系统分析航天器交会操作中经济MPC相对标准跟踪MPC的优势，证明其可节省40-99%燃料，并梳理各操作所需终端成分与代价。
2026-10-05 cs.SY eess.SY
Policy Gradient Reinforcement Learning for Uncertain Polytopic LPV Systems based on MHE-MPC
针对具有不精确调度参数的多面体线性变参数（LPV）系统，提出了一种基于学习的模型预测控制（MPC）方法。首先，我们提出了采用移动时域估计（MHE）计划，同时估计凸组合向量和不可测状态的基础上的观测和模型匹配误差。为了解决MPC和MHE方案中使用的错误LTI模型，我们采用策略梯度（PG）强化学习（RL）来学习估计器（MHE）和控制器（MPC），以便实现最佳的闭环性能。所提出的基于RL的MHE/MPC设计的有效性证明使用一个说明性的例子。
2022-06-10 cs.SY eess.SY
Convergent Economic Model Predictive Control through parameter-varying storage functions for dissipativity
在经济模型预测控制（EMPC）框架下，将标准耗散性推广到具有变参数存储函数的系统，提出了受控耗散性的概念.基于这一概念，两个EMPC控制器，与耗散不等式约束渲染的存储函数参数作为决策变量，制定和相关的递归的可行性，确保。然后，渐近收敛的最佳平衡点的闭环，而不需要标准的耗散性假设，是强制执行的交易与渐近性能。渐近平均闭环性能的上界也进行了评估。最后，通过一个具有终端平衡或终端区域条件的EMPC控制器的例子来说明我们的方法的有效性。
2023-02-21 cs.SY eess.SY math.OC
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
Baseline-improved Economic Model Predictive Control for Optimal Microgrid Dispatch
UCSD（加州大学圣地亚哥分校）
本文提出改进的经济模型预测控制方法，通过生成基线参考轨迹来优化微电网调度，降低月度电力成本。
2026-09-10 cs.SY eess.SY
Primal or Dual Terminal Constraints in Economic MPC? -- Comparison and Insights
本章比较了经济非线性模型预测控制（EMPC）的不同公式，这些公式都是基于对底层最优控制问题（OCP）的耗散性假设。这包括有和没有稳定的终端约束，分别，或稳定终端成本的计划。我们记得，最近提出的方法的基础上梯度校正终端处罚意味着终端的OCP的伴随约束。我们分析了这些双/伴随终端约束的可行性影响，并将我们的研究结果与有无原始终端约束的方法进行了比较。此外，我们提出了一个概念框架的最小稳定的地平线长度近似。最后，我们以化学反应器为例说明了我们的研究结果。
2020-07-28 cs.SY eess.SY math.OC
Distributed and Localized Model Predictive Control. Part II: Theoretical Guarantees
工程信息物理系统正变得越来越大和复杂。这些系统需要可扩展的控制器，鲁棒地满足状态和输入约束的存在下，加性噪声-这种控制器还应该伴随着理论上的可行性和稳定性的保证。在我们的配套文件中，我们介绍了分布式和本地化模型预测控制（DLMPC）的大规模线性系统; DLMPC是一个可扩展的闭环MPC计划，其中子系统只需要交换本地信息，以综合和实施本地控制器。在本文中，我们提供了递归的可行性和渐近稳定性保证DLMPC。我们利用系统级综合框架来表达闭环系统的最大正鲁棒不变集及其相应的李雅普诺夫函数，都在闭环系统响应方面。我们使用不变集作为DLMPC的终端集，并证明了这保证了最小保守性的可行性。我们使用的李雅普诺夫函数的终端成本，并表明，这保证了稳定性。我们提供了完全分布式和本地化的算法来计算终端集离线，也提供了必要的补充在线DLMPC算法，以适应耦合终端约束和成本。在所有的算法中，只有当地的信息交换是必要的，计算复杂性是独立的全球系统的大小-我们证明了这一点分析和实验。这是第一个分布式MPC的方法，提供最低限度的保守，但完全分布式保证递归的可行性和渐近稳定性，为标称和鲁棒设置。
2022-03-01 cs.SY eess.SY math.OC
On the Finite-Time Behavior of Suboptimal Linear Model Predictive Control
本文量化了次优线性模型预测控制因有限次优化迭代导致的额外闭环成本，并提出一种具递减时域长度和有限时间性能保证的新算法，助力计算预算分配。
2023-11-20 cs.SY eess.SY
Linear Data-Driven Economic MPC with Generalized Terminal Constraint
提出了一种基于数据驱动的广义终端约束经济模型预测控制（EMPC）方案，用于控制未知线性定常系统。我们的计划是基于基本引理预测未来的系统轨迹，使用一个持续兴奋的输入输出轨迹。控制目标是最小化经济成本目标。该方案通过引入广义终端约束和人工平衡点，不需要最优平衡点的先验知识。我们证明了闭环系统的渐近平均性能可以任意接近的最优平衡。此外，我们推广我们的结果的情况下，一个未知的线性阶段代价函数，其中的基本引理是用来预测的阶段成本直接。数值算例表明了该方法的有效性。
2022-12-05 cs.SY eess.SY
Application of Terminal Region Enlargement Approach for Discrete Time Quasi Infinite Horizon NMPC
保证非线性模型预测控制（NMPC）控制器的标称渐近稳定性不是一件小事。稳定化成分，如终端惩罚项和终端区域是至关重要的，在建立渐近稳定。在文献中可用的方法提供有限的自由度的终端区域的特性的离散时间准无限地平线NMPC（QIH-NMPC）制定。目前的工作提出了替代方法，即任意控制器为基础的方法和LQR为基础的方法，提供了大的自由度，扩大终端区域。这两种方法都可以扩展到任何状态和输入维的系统。文献中的方法提供了一个标量，而所提出的方法提供了一个线性控制器和两个附加矩阵作为终端区域成形的调谐参数。所提出的方法涉及求解修改的李雅普诺夫方程计算终端惩罚项，然后明确的终端区域的特征。所提出的方法的有效性证明使用基准两个状态系统。终端区域使用任意控制器为基础的方法和LQR为基础的方法获得的面积测量相比，使用该方法从文献中获得的最大终端区域约10.4723和9.5055倍。
2021-07-20 cs.SY eess.SY
Linear model predictive control based on polyhedral control Lyapunov functions: theory and applications
Univ. of Pisa（比萨大学）
利用多面体控制Lyapunov函数（PCLF）在有限时域线性模型预测控制中保证最大吸引域，并提出了两种变体，所有方案均可转化为二次规划问题。
2012-08-12 cs.SY eess.SY math.OC
Performance Bounds of Model Predictive Control for Unconstrained and Constrained Linear Quadratic Problems and Beyond
本文研究无约束与约束线性二次问题中 MPC 的次优性，通过将其视为不动点方程近似方案推导闭环性能界，并提出不依赖原 Riccati 方程解的终端代价与约束选择方法，以扩大可行域且几乎不损失无限时域性能。
2023-06-03 cs.SY eess.SY math.OC
A Robust Distributed Model Predictive Control Framework for Consensus of Multi-Agent Systems with Input Constraints and Varying Delays
研究了具有输入约束和有界时变通信时滞的一般线性离散多智能体系统的一致性问题。我们提出了一个强大的分布式模型预测控制（DMPC）的共识协议，集成了离线的共识设计和在线DMPC优化，以发挥各自的优势。更准确地说，每个代理都配备了一个离线共识协议，这是先验设计的，取决于它的近邻的估计状态。此外，由于不精确的邻近信息随着时间的推移传播的估计误差被证明有界的温和的技术假设下，在此基础上，一个强大的DMPC策略是故意设计，以实现强大的共识，同时满足输入约束。此外，它表明，与适当设计的代价函数和约束条件，相关的优化问题的可行性，可以递归地确保。在有界变时滞条件下，我们进一步给出了约束MAS的一致收敛结果。最后，通过两个算例验证了分布式一致性算法的有效性.
2022-09-19 cs.SY eess.SY
Reference-Free Iterative Learning Model Predictive Control with Neural Certificates
本文提出一种无参考迭代学习MPC方法，利用基于CLBF的神经证书函数逐步细化终端组件，将优化问题转化为标准非线性规划，在保证递归可行性与渐近稳定性的同时提升在线计算效率和控制性能。
2025-07-18 cs.SY eess.SY
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
Robust Variable-Horizon MPC with Adaptive Terminal Constraints
本文提出一种鲁棒变时域模型预测控制方案，通过自适应终端约束集序列确保递推可行性并最小化最终距离，实现有限时间拦截，仿真验证其较固定终端集方法保守性显著降低。
2024-10-11 cs.SY eess.SY
Certificate-Carrying Distributed Model Predictive Control on Product Manifolds with $\mathrm{SO}(3)$
Hubei University（湖北大学）；Wuhan University（武汉大学）；KTH Royal Institute of Technology（皇家理工学院）；Northeastern University（东北大学）
本文针对同步分布式模型预测控制中相邻预测变化导致的约束违反问题，提出带硬轨迹信任区域和双层预算的证书携带式方法，证明硬约束满足与递归可行性，并在航天器编队中验证其降低保守性。
2026-09-28 cs.SY eess.SY math.OC
