模型预测控制（Model predictive control,MPC）在处理复杂约束、多变量系统的控制问题时表现出了巨大的潜力,已经在众多工业领域中获得了成功的应用,并逐渐成为现代工业环境中最常见的优化控制策略之一。传统的模型预测控制方法采用周期滚动优化的模式,并且优化控制问题通常较为复杂,使得在线计算量较大,限制了其在实际控制系统里的应用范围。尤其是当需要控制的系统通信和计算资源受限时,更加难以保证系统控制性能。而采用事件驱动机制的模型预测控制策略在平衡系统资源和保证系统控制性能方面可以做的更好,能够显著减少控制器在线优化的计算量,为模型预测控制方法在实际的工业系统应用中提供了新的方案,具有重要的理论价值和实际意义。本文主要考虑有约束外加有界干扰的线性离散系统,提出基于事件驱动的鲁棒模型预测控制策略的设计方案并进行实际的应用。具体工作如下:1.针对存在系统约束和有界外部干扰的线性离散系统,介绍了双模鲁棒模型预测控制器的设计。包括线性矩阵不等式方法、鲁棒不变集、闭环Min-max方法建立优化控制问题、鲁棒稳定性分析等。仿真研究验证了双模鲁棒模型预测控制的有效性。2.针对存在约束的线性离散受扰系统,设计了基于事件驱动的H∞型模型预测控制器。采用H∞型成本函数建立基于时间触发的鲁棒预测控制优化问题,再直接利用系统输入到输出稳定判据构成事件驱动条件。在此基础上,针对事件驱动控制中存在的Zeno现象以及系统可能发生意外错误对系统性能造成影响的问题,对算法进行了改进。仿真验证了该方法能够提高系统的全局可靠性,保证闭环系统鲁棒稳定性,并且减少了控制器的在线计算量。3.针对存在系统约束的有界扰动线性离散系统,提出了设计自触发模型预测控制器的方案。通过离线计算得到多个依次包含的伪终端集,采用基于标称系统状态的优化性能指标和控制律优化系统性能。在此基础上添加系统终端约束,使得系统状态在指定步长内依次进入各伪终端集,构成了自触发鲁棒预测控制器。最后通过将算法应用于数值系统和Boost升压变换控制,验证了该自触发鲁棒预测控制器能够保证闭环系统鲁棒控制性能,并且显著降低了系统平均采样频率以及减少了控制器的在线计算量。