先前的工作已经提出了具有多目标不确定性和有界持续干扰的离散时间系统的输出反馈最小-最大模型预测控制(MPC),其中在每个采样时刻都对控制器参数进行了优化。 本文提出了相应的离线方法,以减轻在线计算的负担。 在Wan和Kothare的工作中已经构造了这种离线MPC,当状态是可测量的且没有干扰时(使用线性矩阵不等式的有效的离线模型鲁棒模型预测控制公式。Automatica。2003; 39(5) :837-846)。 由于本文考虑的是真实状态未知的情况,因此椭圆形的吸引区域(仅适用于估计状态)失去了渐近不变性,估计误差集(EES)对控制性能具有重要影响。 本文刷新了EES调用一步可及集,并保证了在性能成本函数中受到惩罚的信号收敛到平衡点附近。 给出两个例子来说明该方法的有效性