一个很有参考性的案例，是和自动驾驶相关的MP控制； 说明如何实时更新模型预测控制中的 预测模型的参数， 实现自适应控制。利用simulink搭建车辆自适应MPC控制系统，算法已经过调试，效果良好。

在MATLAB中，通过程序设计实现系统的模型预测控制

这里多变量约束 MPC 示例是为搅拌釜React器开发的，如 Camacho 和 Bordons P.144、P174 的“模型预测控制”中详述。 该模型也更改为状态空间模型，然后基于此进行控制。 希望这将有助于潜在的 MPC 学生为多变量和受约束情况开发 MPC 模型。 也可以运行不受约束的情况。 一旦熟悉该文件，这应该是显而易见的。

The subject of this paper is a comparison of two control strategies of an inverted pendulum on a cart. The first one is a linear quadratic regulator (LQR), while the second is a state space model predictive controller (SSMPC). The study was performed on the simulation model of an inverted pendulum, determined on the basis of the actual physical parameters collected from the laboratory stand AMIRA LIP100. It has been shown that the LQR algorithm works better for fixed-value control and disturbance rejection, while the SSMPC controller is more suitable for the trajectory tracking task. Furthermore, the system with SSMPC controller has smoother changes in the control signal, that can be beneficial for an actuator, while LQR controller may generate adverse, rapid changes in the control signal.

MPC，速度跟随

matlab simulink中的预测模型控制工具箱MPCblock的参考文档,十分有用

介绍了基于 PC 机平台的模型预测控制（MPC）系统仿真软件的开发与实现过程。该软件包含 MAC、IMAC、DMC、DDMC 和 GPC五种预测控制算法，可以用不同的方法实现对预测控制系统的综合性仿真，包括扰动对系统性能的影响以及控制器参数调整的作用等。利用该软件可对模型预测控制系统的作用机理做进一步仿真分析,并有助于定性分析各种算法中设计参数对系统性能的影响以及不同算法之间的区别。

讲解Model Predictive Control，并配有MATLAB程序，实例丰富，易于理解学习

模型预测控制经典英文教程，里面带matlab 程序

离散控制Matlab代码MPC起重机的例子 这是在MPC控制上的Matlab实现，对起重机模型具有硬约束和软约束。 Crane是在Simulink模型中建模的。 安装 该代码已在Matlab，2015和2017a中进行了测试。 在matlab 2017a中，必须注释掉mpqpsolverOptions.m中的hString2Char函数，以使Simulink模型得以编译。 mpqpsolverOptions.m中的第42行。 用法 克隆此存储库 git clone git@github.com:Olofforsberg/RHC-and-MPC-on-a-pendulum-crane-example..git 将此文件夹添加到matlab中的路径并运行文件：testMyRHC.m，用于运行起重机的RHC控制器。 用于运行扩展的MPC控制器的testMyMPC.m，有两个用于硬约束或软约束的simulink模型。 代码结构 摆锤上ODE方程的参数存储在SSmodelParams.mat中。起重机的simulink模型具有存储在Params_Simscape.mat文件中的参数。 离散状态空