模型预测控制（Model predictive control, MPC）以其卓越的显式处理系统约束能力和在线滚动优化特性，自诞生起便引发了工业界和学术界的浓厚兴趣。历经近半个世纪的不断发展，MPC的应用范围日益广泛，涵盖了石油化工、航空航天、电力、交通、医疗、机器人以及金融投资等领域。

 近日，电气工程与自动化学院院李飞博士、武超教授与西北工业大学李慧平教授团队合作，以第一作者身份在国际权威学术期刊《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》（中科院JCR工程技术大类1区TOP，自动化与控制系统小类1区，电子与电气小类1区，影响因子IF = 7.7）上发表题为《Gaussian Process-Based Learning Model Predictive Control With Application to USV》的研究论文。该论文详细介绍了一种基于高斯过程回归的学习模型预测控制方法，并深入探讨了其在无人船（USV）上的应用。该方法基于采样数据将量测模型在线建模为高斯过程回归模型，设计了基于高斯过程回归的扩展卡尔曼滤波器，开发了一种基于状态估计和在线学习的随机模型预测控制算法，并针对无人船轨迹跟踪控制开展了数值仿真与实物实验，充分展现了算法的有效性、先进性与实用性。

 文章链接：https://doi.org/10.1109/TIE.2024.3384617