Predictive Control，预测控制，原始理论 作者：D. W. CLARK 第二部分

本文章包括60页，仅为全书的一部分，并非全文。请下载前明晰。

MatlabRBF神经网络预测控制程序的源代码-abbr_e911ac589d1ec8c3e025800d47f22e41.rar 神经网络预测控制程序的源代码，神经网络的种类是径向基函数神经网络

Nonlinear Model Predictive Control Theory and Algorithms 非线性模型预测控制以及对应的PPT

包含一个基于MATLAB语言编写的单变量动态矩阵控制（DMC）算法的程序和对应的笔记（包含详细的公式和推导过程）。参考的资料是席裕庚的《预测控制》，算法中考虑了模型的不确定性和扰动，但暂时未考虑约束。

包含一个基于MATLAB语言编写的多变量动态矩阵控制（DMC）算法的程序和对应的笔记（包含详细的笔记和公式推导过程）。参考的资料是席裕庚的《预测控制》，算法中考虑了模型的不确定性和扰动，但暂时未考虑约束。

自适应巡航控制系统（ACC）作为高级驾驶员辅助系统（ADAS）之一，在提高驾驶安全性和舒适性方面越来越受欢迎。由于ACC的目标可能是多维的，并且常常彼此冲突，因此在其控制设计中这是一项具有挑战性的任务。本文提出的研究将ACC控制设计作为具有多个目标的约束优化问题。引入了用于ACC控制的分层框架，旨在在可能的情况下在驾驶安全性和舒适性，速度和/或距离跟踪以及燃油经济性方面实现最佳性能。在分层框架下，操作模式是在上层确定的，其中基于模型预测控制（MPC）的间距控制器用于处理多个控制目标。另一方面，下层用于致动器控制，例如用于车辆纵向动力学的制动和驱动控制。通过增加系统尺寸，将执行器延迟与车辆纵向动力学相结合，可转换为无延迟系统。然后开发二次成本函数，通过解决最优控制问题来获得理想的控制输出。通过将车距限制在安全范围内，可以确保行车安全。其他目标则通过其相应的性能指标来考虑。低级控制器用作执行器控制单元，该单元控制动力总成和制动系统，以确保根据反向纵向动力学模型跟踪所需的加速度。最后，拟议的ACC在PanoSim:registered:下进行仿真和评估，PanoSim:registered:

可直接用于matlab中S函数模块的程序

永磁同步电机/无刷直流电机电流模型预测控制

永磁同步电机（PMSM）无刷直流电机（BLDC）有限集模型预测控制（MPC）matlab/simulink仿真模型（2017），能很好的运行，并且能达到比较理想的效果，比传统的PWM控制要精确，反应速度更快。