模型预测控制（MPC）指的是一类通过系统数学模型来预测其未来响应并求解能使系统表现最优的输入量的计算机算法的总称。MPC因其概念简单, 且能够有效地处理复杂系统的约束问题, 在各个领域的取得了广泛的应用。传统的MPC对系统不确定性的处理能力是有限的, 当系统出现干扰, 或者系统模型描述不准确时, 传统MPC往往难以实现既定控制目标。为了系统解决这个问题，鲁棒MPC（RMPC）和随机MPC（SMPC）应运而生。RMPC和SMPC提高了控制器的鲁棒性，使其在无人汽车、机器人、飞行器、电网、电力电子、金融、医疗、智能家居、水资源等领域得到了广泛应用。

区分RMPC和SMPC的方法是控制器是否用到了不确定量的统计信息（如期望、方差、概率分布函数等）。本文简要地回顾了RMPC和SMPC的发展历史, 总结了它们的相关应用, 较为细致地分析了线性不确定系统中如图1所示的各种主要算法。

图1 主要讨论算法

通过总结各种算法的通用模型、运作方式、问题规模, 以及它们保证递归可行性、稳定性的方法, 分析了部分算法可行域间的关系, 揭示了各种算法的主要特点、适用场合和未来可发展方向, 并通过仿真实例直观地分析了各种算法的性能和可靠性。

引用格式：谢澜涛, 谢磊, 苏宏业. 不确定系统的鲁棒与随机模型预测控制算法比较研究. 自动化学报, 2017, 43(6): 969-992

链接：http://html.rhhz.net/ZDHXBZWB/html/2017-6-969.htm

作者简介：

谢澜涛 浙江大学控制科学与工程学院博士研究生。主要研究方向为模型预测控制和机器学习。

E-mail: lantao@zju.edu.cn

谢磊 浙江大学控制科学与工程学院教授。主要研究方向为控制系统性能评估，统计过程监控与故障诊断，过程建模与先进控制。本文通信作者。

E-mail: leix@iipc.zju.edu.cn

苏宏业 浙江大学控制科学与工程学院教授。主要研究方向为控制理论与应用，复杂过程先进控制和优化技术，先进控制软件开发及应用。

E-mail: hysu@iipc.zju.edu.cn