实时高精度抗扰
结合鲁棒模型预测控制与原始-对偶神经网络，在存在模型不确定性和外部干扰时，保证系统稳定并大幅缩短计算时间。
Huifan, Lin · 张浪文 · Wang, Zhidong · 谢维
International Journal of Adaptive Control and Signal Processing 2025
采用原始-对偶神经网络求解二次规划问题，避免传统优化方法的迭代过程，大幅缩短计算时间，满足实时控制需求。
通过多面体不确定模型和模型不确定性补偿策略，主动抑制未建模动态与外部扰动，提升跟踪精度。
闭环系统的输入到状态稳定性得到严格证明，为控制器的实际部署提供理论保障。