连续线性化-给定一个机械装置模型，例如一组非线性常微分方程和代数方程，推导其在当前运行条件下的LTI近似。例如,金宝app^®控制设计™软件为此目的提供了线性化工具。如果你的植物模型有可靠而简单的符号方程，你就可以离线推导出线性化植物矩阵在任何给定操作条件下的符号表达式。然后，您可以在线计算这些矩阵，并将它们提供给自适应MPC控制器，而不必在每个时间步骤执行数值线性化。有关使用此策略的示例，请参见连续线性化的非线性化学反应器自适应MPC控制．

采用线性参数变化(LPV)模型-控制系统工具箱™软件提供LPV系统金宝app允许您指定具有调度参数的LTI模型数组的Simulink块。您可以离线执行批量线性化，以获得所需工作点上的工厂模型数组，然后将它们用于LPV系统块提供模型更新自适应MPC控制器金宝app仿真软件。有关使用此策略的示例，请参见基于线性变参数系统的非线性化学反应器自适应MPC控制．

在线参数估计-给定一个稳定的装置，它具有已知的经验模型结构及其参数的初始估计，并且最小的噪声保证了一定的激励持久性，您可以使用可用的实时装置测量来估计当前的模型参数。由于在线估计比插值或从调度变量直接更新模型需要更多的计算量，一般来说，这种方法只适用于控制间隔较长和计算资源较好的控制应用。例如，System Identification Toolbox™软件提供了实时参数估计工具。有关使用此策略的示例，请参见基于在线模型估计的非线性化学反应器自适应MPC控制．

在尝试自适应MPC之前，为最典型的(标称)操作条件定义和调优MPC控制器。确保系统能够容忍一些预测误差。通过模拟测试这种耐受性，MPC预测模型与植物不同。看到MPC设计．

自适应MPC控制器比传统MPC需要更多的实时计算。除了状态估计计算之外，您还必须实现和测试模型更新策略，这可能需要大量的计算，特别是在需要在线参数估计的情况下。

您必须确定在模型参数的预期范围内提供健壮性能的MPC调优常数。看到调整权重．

当参数逐渐变化时，通过在线参数估计进行模型更新是最有效的。

在实现自适应MPC控制时，只自适应定义模型。植物属性。扰动和噪声模型，如果有的话，保持不变。