非线性模型预测控制，书中例题代码作者已经公开，是一本提高预测控制知识的好书

explicit-mpc：基于鲁棒非线性回归和约简支持向量机的基于学习的显式非线性模型预测控制

MPsee 是一种数学工具，可收集有关任何优化控制问题的所有基本信息，然后自动生成快速在线非线性模型预测控制器 (NMPC)，用于仿真和实现目的。 它具有用户界面以定义最佳控制问题。 根据正确的问题定义，MPsee 生成相关的 MATLAB 代码。 然后，用户可以利用提供的 Simulink 库 (NMPCLib.slx) 在 Simulink 中实现和模拟他们的 NMPC。 MPsee 基于 c/GMRES 和 Newton/GMRES 实时优化方法生成 NMPC 控制器，并允许用户在单射和多射方法之间进行选择。 执照： MPsee Toolbox 在 Apache 许可下分发，版本 2.0 (Apache-2.0)，但没有任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 在将理论和软件实现用于他们自己的研究或商业利用结果之前，用户有责任评估理论和软件实现的正确性。

关于ROS的模型预测控制实现 抽象的 该存储库使用从周期到单周期的移动机器人模型来实现，这意味着差动驱动轮式移动机器人具有良好的跟踪性能。 要运行此NMPC算法，您可以使用GAZEBO仿真器或定制的移动机器人，并与ROS中使用默认本地计划器的DWA算法进行比较。 特征 基于非线性Unicycle模型的MPC（通过ipopt求解器） AMCL本地化，伪本地化（基于编码器测距法） GAZEBO模拟，服务 安装 Ubuntu 18.04 安装ROS Melodic 安装ROS依赖项： sudo apt install ros-melodic-costmap-2d ros-melodic-move-base ros-melodic-global-planner ros-melodic-amcl 安装Ipopt：请参阅“ document / ipopt_install”中的教程。

一个非线性模型预测控制程序，初学者入门的好资料，值得下载参考

提出了一种基于径向基函数(RBF)神经网络的非线性模型预测控制系统,利用RBF神经网络的非线性拟合性,构建一个神经网络预测器(NNP)来预测模型未来时刻的输出值.然后利用神经网络控制器(NNC)实现基于模型的预测控制.仿真结果表明此方法具有较好的控制效果,并且在有扰动和模型失配的情况下,表现了良好的鲁棒性.

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

Matlab MPC 模型预测控制 视频代码

针对MIMO非线性系统的模型预测控制（MPC），建立了一种新型的带有外部输入的反向传播自回归（BP-ARX）组合模型，可以得到输入与输出之间的稳态关系。 BP神经网络代表稳态关系，ARX模型代表非线性系统输入和输出之间的线性动态关系。 BP-ARX模型是一个全局模型，可以离线识别，而ARX模型的参数根据BP神经网络和操作数据进行在线缩放。 采用顺序二次规划在线求解二次目标函数，并定义了移位系数以约束递归最小二乘算法的生效时间。 因此，提出了一种参数变化非线性MPC（PVNMPC）算法，该算法可快速响应系统设定点的大变化，并在系统输出接近设定点时显示出良好的动态性能。 在多变量搅拌罐和多变量pH中和过程中的仿真结果说明了该方法的适用性，并对PVNMPC和多变量递归广义预测控制器之间的控制效果进行了比较。

本人在硕士期间做的一些有关于非线性模型预测控制的代码，现在已经不再做相关的行业，拿出来与大家分享。 很具有参考价值，相关方向的不容错过，可惜只是matlab仿真，但是并没有去做实现。不过应付应付论文是足够了。