提出一种基于桶排序的双层模型预测控制方法。对电容 电压进行桶排序，将电压排序后的子模块按次序等分为若干组，通过第一层模型预测控制确定需要插入桥臂的 组数，再通过第二层模型预测控制进一步确定需要插入的子模块。在 PSCAD/EMTDC 下搭建模块化多电平换 流器仿真系统，验证了所提方法的有效性。

基于Simulink和模型预测控制工具箱的自适应MPC设计

模型预测控制python工具箱 do-mpc是用于健壮模型预测控制（MPC）和移动视域估计（MHE）的综合开源工具箱。 do-mpc为非线性系统提供有效的公式化表示，并解决控制和估计问题，其中包括处理不确定性和时间离散化的工具。 do-mpc的模块化结构包含仿真，估算和控制组件，可以轻松扩展和组合这些组件以适合许多不同的应用程序。 总之， do-mpc提供以下功能： 非线性经济模型预测控制 支持微分代数方程（DAE） 有限元上正交配置的时间离散化 鲁棒的多阶段模型预测控制 运动视界状态和参数估计 模块化设计，可以轻松扩展 do-mpc软件基于Python，因此可在任何具有Python 3.x发行版的操作系统上使用。 do-mpc由塞巴斯蒂安·恩格尔（Sebastian Engell）领导的多特蒙德工业大学DYN主席Sergio Lucia和Alexandru Tatulea开发。

分别给出了无约束MPC和约束MPC的MATLAB程序

Simulink仿真传统有限集模型预测控制三相两电平整流器仿真

matlab 编程选择运行仿真代码用于风电场控制的 Koopman 动态模式分解 获得机械工程理学硕士学位的论文 存储库 该存储库包含在上述硕士论文的背景下开发的所有工作。 这项工作的主要成果细分如下： Thesis.pdf ：对应于最终论文，介绍了风力涡轮机控制、风电场控制、流体动力学中的数据驱动建模、动态模式分解和适用于控制的变体算法。 所有结果也包含在本文档中。 Thesis_presentation.pdf ： Thesis.pdf内容的介绍。 ExtendedAbstract.pdf ： Thesis.pdf的 10 页摘要，采用两列格式。 poster_thesis.pdf：在Thesis.pdf的目标和结果的海报格式摘要。 KOPMAN_IODMD_1.0 : 源代码，在 Matlab 中开发，利用国家可再生能源实验室 (NREL) 开发的现有功能，用于在Thesis.pdf 中获得结果。 动画：可以可视化数据集的动画。 文章：基于论文中开发的工作发表的文章。 data ：包含用于测试Thesis.pdf 中提出的算法的数据集。 论文摘要 在风电场中将风力涡轮机安装在一起

Alberto Bemporad的模型预测控制（MPC）课程英文讲义，从理论到实践较为全面，适合MPC入门。

基于梯度下降法的线性回归模型预测房价，进行多元线性回归，其中包括一套关于房价预测的数据和基于numpy和pandas基础库的源代码

当线性化状态空间模型（或传递函数）作为函数的输入时，这些脚本设置和模拟通用多输入多输出 (MIMO) 控制系统的模型预测控制。 然而，工厂模型通常可以是非线性的。 二次规划用于使输入和输出变量在所需的时间范围内达到其设定点。 文件描述如下： run_MPC.m：设置和运行模拟的主文件。 MPC_simulation.m：遍历时间并实现在每次迭代中找到的当前时间输入变量。 MPC_calculation：MPC 控制器通过查看基于对象线性化模型的前向时间范围来解决二次问题。 MPC_plant.m：在工厂中实现当前时间输入向量。 通常，对象模型可以是非线性的。 Addnoise.m：基于信号的数量级和噪声百分比（噪声标准）向主信号（工厂的输出）添加噪声的函数 公式和原始代码（用于 SISO 系统）由瑞典 KTH 大学的 Elling W. Jacobsen 编写。 配方包含在文件中。

此提交包含一个模型，用于展示在美国公路场景中移动的车辆上实施 MPC。 以下步骤描述了工作流程： 1. 生成航点2. 计算 MPC 实现的曲率3.生成MPC踏板图4. 在 2D、Bird's-Eye Scope 和 3D 模拟环境中可视化车辆的最终路径。 用户可以参考该模型为给定的航点执行路径跟踪应用程序。 结果可以在比较获得的轨迹和参考轨迹的二维图中进行可视化。 请阅读自述文件以了解有关如何使用模型以及如何调整控制器的更多详细信息： https : //github.com/mathworks/vehicle-model-predictive-control