无需模型辨识
仅凭输入输出数据直接实现鲁棒约束满足，摆脱持续激励条件限制，比现有数据驱动MPC更少保守性。
Kaijian, Hu · 劉滔
IEEE Transactions on Automatic Control 2025
控制器直接由输入-状态-输出数据优化得到，避免了系统辨识环节引入的模型误差与额外工作量。
与基于行为系统理论的鲁棒数据驱动预测控制不同，该方法不需要预采集数据满足高阶持续激励条件，只需被控系统可镇定。
通过最小化控制目标的上界并利用二次矩阵不等式描述一致系统集，相比现有数据驱动预测控制方法保守性更低。