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

基于改进多元非线性模型的LIBS钢液成分定量分析

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。

浮游植物吸收系数是海洋光学研究中重要的参数。该参数随着海区以及时间不同呈现较大的差异。为了更好地表征该参数，探讨了聚类法在浮游植物吸收系数非线性模型中的应用, 修正了非线性模型中浮游植物吸收特性随区域性变化带来的误差。通过计算不同波段的反射率二阶导光谱和吸收系数光谱的自适应指数（ARI）发现555~681 nm波段的反射率二阶导光谱可以较好地表征吸收系数光谱的光谱特征。因此，以555~681 nm的反射率二阶导光谱为聚类分析样本对数组进行聚类分析。通过实测数据对聚类法进行了验证，结果证明该方法可以较好地表征浮游植物吸收系数（均方根误差大于0.79）。该研究是应用光学遥感方法提取浮游植物信息及海水光学特征必不可少的基础研究。

本内容为作者本科毕设代码中挑选的一个范例。其余功放或者其他神经网络模型构建都与之类似。压缩包中包含一个9040功放的非线性包络（CDMA2000）数据（.txt），以及对该数据建模的三个神经网络模型（BP神经网络；RBF神经网络；Elman神经网络）（.m）相关内容见作者博客：https://blog.csdn.net/ChijinLoujue/article/details/86564616 以及 https://blog.csdn.net/ChijinLoujue/article/details/80947900

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。

飞思卡尔 功放 ADS 非线性模型，包含众多功放管

关于自动驾驶汽车非线性模型预测控制算法的论文，作者为Falcone，龚建伟《无人驾驶模型预测控制》一书中参考了该论文的方法