带有持续扰动的基于多步控制集的非线性模型预测控制

预测控制及其应用，多种预测控制算法PPT讲解，matlab编程简介

《神经模糊预测控制及其MATLAB实现》（第3版）MATLAB程序，对神经网络教程。

本文研究了一种基于情景树随机模型预测控制（SMPC）的具有模型不确定性和扰动的风能转换系统（WECS）方法。 首先，为了描述系统的随机性，借助风的统计数据来制定WECS的马尔可夫跳跃模型。 接下来，通过列举模型跳跃场景，将不确定的随机模型预测控制问题转化为确定性模型预测控制（MPC）问题。 最后，为了满足WECS的实时性，采用离线计算和在线调用控制器的方法来提高SMPC的运行速度。 仿真结果表明，所提出的SMPC方法具有良好的控制性能。

电机MPC控制simulink模型与simplorer以及maxwell模型联合仿真

matlab中ode45代码球-动态编程控制 该存储库包含用于仿真和控制广告代码的代码卫星与另一颗卫星一起编队，采用矢量化动态规划方法。 公开提供，主要是复制当前正在进行的文章的工作。 仅适用于MATLAB版本2016b及更高版本。 如果找不到下面列出的代码，则应切换到。 这个怎么运作 从t = 0的初始条件开始，仿真器每5毫秒运行一次，并计算新的状态和控制矢量。 在每种情况下，相对运动都用于更新目标卫星A的位置，并确定跟随卫星A的SPHERES卫星B的相对位置（在RSW参考系中-参见上图，来自Curtis ）。 还使用来更新SPHERES卫星的四元数和角速度（在“身体”框架中）。 位置和姿态方程式不可避免地会耦合，因为在这两个状态变量中某些状态变量是共享的。 对于圆形轨道，相对运动的CW方程没有简化，因此完整的方程如下： 动态编程用于生成控制器（将在后面的部分中详细说明），这些控制器已预加载到卫星中，并帮助确定SPHERES卫星到达目标卫星所需的最佳作用力和力矩。 然后使用控制分配方法（将详细说明）（例如a，a或the）将这些所需的力和力矩转换为推进器开-关命令。 确定所有12个推进

一本关于模型预测控制的极好教材，内涵大量MATLAB代码

模型预测控制的实现是通过建立优化问题的模型，求解该优化问题来得到控制器的 输出的。本文以电枢控制的直流电机为例，介绍了基于机理建模的无约束模型预测控制 和约束模型预测控制模型，以跟踪两种不同类型信号（阶跃信号与正弦信号）为例，对 控制系统的性能进行了分析。实验结果表明，无约束模型预测控制与约束模型预测控制 均能实现闭环系统稳定的目的。在无约束模型预测控制中，分析了不同加权参数对系统 性能的影响，通过调整加权参数，实现对控制信号“软约束”的作用。在约束模型预测 控制器设计中，通过限制系统部分控制量的取值范围，实现了“硬约束”的功能。在实 际应用中，控制器设计者有必要不断调整控制器参数，避免出现无约束控制器参数合理 导致系统不稳定、约束控制器二次型函数无解、约束控制器限制范围过小导致输出信号 无法完全跟随参考输入等情况。

基于rbf神经网络的预测控制器matlab实现。

在对象参数未知的情况下进行广义预测控制，实现良好的控制效果