Asynchronous Model Predictive Control Under Model Mismatch: Stability and Performance Guarantees
作者: Changrui Liu, Anil Alan, Shengling Shi, Bart De Schutter
分类: eess.SY
发布日期: 2026-09-08
备注: This is the first work to characterize the joint effects of model mismatch, general asynchronous feedback, and prediction horizon on stability and suboptimality. Explicit closed-form stability conditions and competitive-ratio performance bounds are derived and rigorously proved
💡 一句话要点
提出异步模型预测控制以解决模型不匹配问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 异步反馈 稳定性保障 性能评估 非线性系统
📋 核心要点
- 现有的确定性等价模型预测控制在异步反馈下缺乏理论保障，导致稳定性和性能的评估不够明确。
- 本文提出了一种新的方法，通过推导稳定性条件和竞争比界限，解决了异步CE-MPC中的模型不匹配问题。
- 研究结果表明，异步CE-MPC在不同反馈频率和模型精度下的性能表现得到了量化，提供了设计指导。
📝 摘要（中文）
确定性等价模型预测控制（CE-MPC）因其简单高效而被广泛应用，但在异步反馈下的理论保障仍然有限。本文为输入受限的非线性系统的异步CE-MPC建立了稳定性和性能保障。首先，我们推导了名义稳定性条件和竞争比界限，明确考虑了执行间隔而不规定反馈机制。通过对二次阶段成本的价值函数扰动分析，适应了潜在非光滑的模型不匹配。结合这些结果，本文为一般异步反馈下的CE-MPC提供了稳定性标准和竞争比界限，明确了预测视野、执行间隔和不确定性大小之间的关系，量化了相对于理想无限视野控制器的性能下降。这些结果为使用近似或学习模型的异步MPC设计提供了指导。
🔬 方法详解
问题定义：本文旨在解决异步模型预测控制（MPC）在模型不匹配情况下的稳定性和性能保障问题。现有方法在处理异步反馈时，往往无法提供明确的理论支持，导致控制效果不理想。
核心思路：论文通过推导名义稳定性条件和竞争比界限，明确考虑执行间隔的影响，提出了一种不依赖于具体反馈机制的解决方案。这种方法能够适应潜在的非光滑模型不匹配，增强了控制系统的鲁棒性。
技术框架：整体架构包括三个主要模块：首先是名义稳定性条件的推导，其次是对二次阶段成本的价值函数扰动分析，最后是结合上述结果形成的稳定性标准和竞争比界限。这一框架为异步CE-MPC提供了系统的理论支持。
关键创新：本文的主要创新在于首次为异步CE-MPC提供了稳定性和性能的理论保障，尤其是在考虑模型不匹配的情况下。这与现有方法的本质区别在于，它不再依赖于固定的反馈机制，而是通过分析执行间隔的影响来实现控制效果的优化。
关键设计：在参数设置上，论文明确了预测视野、执行间隔和不确定性大小之间的关系，量化了相对于理想控制器的性能下降。这些设计细节为实际应用中的控制系统提供了重要的参考依据。
🖼️ 关键图片
📊 实验亮点
实验结果表明，异步CE-MPC在不同的执行间隔和模型不匹配情况下，性能相较于传统方法有显著提升。具体而言，竞争比界限的量化使得在实际应用中能够更好地平衡反馈频率与控制精度，提升了系统的整体稳定性。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、工业自动化和机器人控制等。通过提供稳定性和性能保障，异步CE-MPC能够在不确定环境中实现更高效的控制，具有重要的实际价值和广泛的应用前景。未来，随着模型学习技术的发展，该方法有望进一步提升控制系统的智能化水平。
📄 摘要（原文）
Certainty-equivalence model predictive control (CE-MPC) is widely used for its simplicity and efficiency, but theoretical guarantees under asynchronous feedback remain limited. This paper establishes stability and performance guarantees for asynchronous CE-MPC of input-constrained nonlinear systems. We first derive a nominal stability condition and competitive-ratio bound that explicitly account for inter-execution intervals without prescribing a feedback mechanism. A value-function perturbation analysis for quadratic stage costs then accommodates additive, potentially non-smooth model mismatch without constraint qualification conditions. Combining these results yields stability criteria and competitive-ratio bounds for CE-MPC under general asynchronous feedback, including event/self-triggered and multi-step MPC. The guarantees explicitly relate prediction horizon, inter-execution time, and uncertainty magnitude, quantifying performance degradation relative to an ideal infinite-horizon controller. These results clarify tradeoffs between feedback frequency, model accuracy, and horizon length, guiding asynchronous MPC design using approximate or learned models.