7适合做毕业设计时参考，也非常适合新手学习；可在该模型的基础上，根据自己的研究需要添加卡尔曼滤波、预测控制、占空比直接转矩等。

针对已开发的电磁作动器样机，通过对电机控制电路模型进行简化分析，得到电磁作动器往复运动时控制电流可实现范围．考虑作动器约束和悬架许用行程，基于模型预测控制方法设计1/4车辆电磁主动悬架控制器，并分别针对瞬时垂向冲击和随机不平路面工况进行仿真分析．结果表明，相对于线性最优控制主动悬架，模型预测控制可以使车辆获得更佳的行驶平顺性能．

循环码matlab中编程代码KoopmanMPC_for_flowcontrol 该项目在H. Arbabi，M。Korda和I. Mezic（）撰写的论文“非线性流动的数据驱动的Koopman模型预测控制框架”之后，演示了Koopman-MPC框架在流量控制中的应用。 下图总结了Koopman-MPC框架： 根文件夹中的文件： 汉堡的例子 按照本文中的说明运行Burgers示例，它包括数据收集，用于标识Koopman线性系统的扩展动态模式分解（EDMD），以及从某个初始条件开始的闭环控制系统。 随意使用代码的参数，特别是尝试不同的可观察对象，嵌入尺寸，参考信号，初始条件等。带有初始参数设置的整个程序在2分钟内即可在我的个人笔记本电脑上运行。 腔体示例 运行本文中介绍的盖驱动腔流动示例，包括用于识别Koopman线性系统的EDMD，以及在极限循环上从某些初始条件运行的闭环控制系统。 运行此代码有两种选择：1-要求代码为EDMD生成数据。 这是一个漫长的过程，对于白皮书中报告的参数值，在功能强大的台式机上（无并行化）大约需要10个小时，或者2-转到并下载数据文件“ Cavity_data

利用MATLAB/Simulink搭建的三电平逆变器仿真电路，利用模型预测控制方法进行控制，可以实现中点点位平衡，对研究模型预测控制有一定学习作用。

针对具有避免冲突的多智能体系统的跟踪和形成问题，提出了一种同步分布式模型预测控制算法。 我们考虑所有智能体的确定性，线性，时不变和齐次动力学。 在同步DMPC中，所有代理都利用邻居的假定预测信息同步解决其优化问题，以获得当前的最佳输入。 考虑到每个代理的假设和实际预测信息之间存在不确定的偏差，我们有助于设计一个与偏差有关的避免碰撞约束，该约束被施加在单个优化问题中，以确保每个代理的安全性。 我们通过设计二范数形式的时变相容性约束来约束不确定性偏差，该约束被施加在个体优化问题中，在避免碰撞和指数稳定性方面都起着重要作用。 通过所提出的算法，证明了递归可行性，指数稳定性和避免碰撞的保证。 提供了一个仿真示例，以说明此方法的实用性和有效性。

模型预测控制MPC2013版，陈虹编著，清晰版本，可用亲测

模型预测控制(MPC)是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。

基于模型预测算法的储能双层控制模型

快速MPC（模型预测控制） 该存储库包含Matlab接口，该接口基于快速模型预测控制，将标准模型预测控制转换为快速模型预测控制。 快速的MPC类使用自定义的不可行的启动Newton求解器进行求解，以揭示MPC的结构。 描述 在传统方法中，解决了MPC问题，并且将第一控制步骤应用于系统，并且下一个积分状态形成了下一个MPC迭代的初始条件。 在这里，MPC的结构可用于加速结果。 当前实现是在时不变的系统动力学（相等约束）下执行的 在哪里， 上述问题转换为以下结构 在哪里， 本文中介绍了矩阵和结构的详细信息。 即将进行的更新将包括非线性快速MPC以及集成商 入门 克隆或下载存储库。 FAST MPC类需要各种输入，说明如下。 Q-状态阶段的费用 R-控制阶段成本 S-状态控制耦合成本 Qf-终端状态费用 q-线性状态成本 r-线性控制成本 qf-终端状态线性成本 x_min-状态

无人驾驶汽车系统；事件触发控制；模型预测控制；路径跟随