[1] [1] 尤波， 高扬， 许家忠， 等. 悬吊漂浮物随动系统的等效滑模控制研究［J］. 控制工程， 2018， 25（11）： 1959-1964. doi: 10.14107/j.cnki.kzgc.160288YOUB， GAOY， XUJ Z， et al. Study on equivalent sliding mode control of suspended-floater follow-up system［J］. Control Engineering of China， 2018， 25（11）： 1959-1964.（in Chinese）. doi: 10.14107/j.cnki.kzgc.160288

[2] [2] 高海波， 牛福亮， 刘振， 等. 悬吊式微低重力环境模拟技术研究现状与展望［J］. 航空学报， 2021， 42（1）： 523911.GAOH B， NIUF L， LIUZ， et al. Suspended micro-low gravity environment simulation technology： status quo and prospect［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（1）： 523911.（in Chinese）

[3] [3] 徐志刚， 王昊， 王军义， 等. 空间机器人悬挂系统重力补偿研究［J］. 机械设计与制造， 2014（10）： 149-152. doi: 10.3969/j.issn.1001-3997.2014.10.045XUZ G， WANGH， WANGJ Y， et al. The research of space robot suspension system gravity compensation［J］. Machinery Design & Manufacture， 2014（10）： 149-152.（in Chinese）. doi: 10.3969/j.issn.1001-3997.2014.10.045

[4] [4] 牛福亮， 高海波， 刘振， 等. 一种串联张紧式恒力矩机构设计及实验研究［J］. 机器人， 2016， 38（4）： 475-485. doi: 10.13973/j.cnki.robot.2016.0475NIUF L， GAOH B， LIUZ， et al. Design and experimental research of a tandem tensioning constant-torque mechanism［J］. Robot， 2016， 38（4）： 475-485.（in Chinese）. doi: 10.13973/j.cnki.robot.2016.0475

[5] [5] 梁定坤， 陈轶珩， 孙宁， 等. 气动人工肌肉驱动的机器人控制方法研究现状概述［J］. 控制与决策， 2021， 36（1）： 27-41. doi: 10.13195/j.kzyjc.2020.0793LIANGD K， CHENY H， SUNN， et al. Overview of control methods for pneumatic artificial muscle-actuated robots［J］. Control and Decision， 2021， 36（1）： 27-41.（in Chinese）. doi: 10.13195/j.kzyjc.2020.0793

[6] [6] 刘福才， 贾晓菁， 刘林， 等. 气动加载系统的建模及非线性自抗扰控制［J］. 控制与决策， 2017， 32（5）： 906-912. doi: 10.13195/j.kzyjc.2016.0169LIUF C， JIAX J， LIUL， et al. Pneumatic loading system modeling and nonlinear active disturbance rejection control［J］. Control and Decision， 2017， 32（5）： 906-912.（in Chinese）. doi: 10.13195/j.kzyjc.2016.0169

[7] [7] 彭瀚旻， 丁庆军， 李华峰， 等. IPMC型柔顺手爪作动器的设计与性能测试［J］. 光学 精密工程， 2010， 18（4）： 899-905.PENGH M， DINGQ J， LIH F， et al. Design and performance tests of IPMC flexible grippers［J］. Opt. Precision Eng.， 2010， 18（4）： 899-905.（in Chinese）

[8] M CHAVOSHIAN, M TAGHIZADEH, M MAZARE. Hybrid dynamic neural network and PID control of pneumatic artificial muscle using the PSO algorithm. International Journal of Automation and Computing, 17, 428-438(2020).

[9] M E SADIQ, A J HUMAIDI, S K KADHIM et al. Optimal sliding mode control of single arm PAM-actuated manipulator, 84-89(2021).

[10] M SCHWENZER, T BERGS et al. Review on model predictive control： an engineering perspective. The International Journal of Advanced Manufacturing Technology, 117, 1327-1349(2021).

[11] A D’JORGE, A FERRAMOSCA, A H GONZÁLEZ. A robust gradient-based MPC for integrating real time optimizer （RTO） with control. Journal of Process Control, 54, 65-80(2017).

[12] A KELMAN, F BORRELLI. Bilinear model predictive control of a HVAC system using sequential quadratic programming. IFAC Proceedings Volumes, 44, 9869-9874(2011).

[13] W EDWARDS, G TANG, G MAMAKOUKAS et al. Automatic tuning for data-driven model predictive control, 7379-7385(2021).

[14] [14] 尹晓红， 杨灿， 阚君武， 等. 基于神经动力学的轮式移动机器人跟踪与稳定统一控制［J］. 光学 精密工程， 2014， 22（3）： 670-678. doi: 10.3788/ope.20142203.0670YINX H， YANGC， KANJ W， et al. Unified control of tracking and stabilization for WMR based on bio-inspired neurodynamics［J］. Opt. Precision Eng.， 2014， 22（3）： 670-678.（in Chinese）. doi: 10.3788/ope.20142203.0670

[15] [15] 魏宗恩， 邓永停， 乔延婷， 等. 基于高斯过程的参数辨识及永磁同步电机模型电流预测控制策略［J］. 光学 精密工程， 2023， 31（4）： 479-490. doi: 10.37188/OPE.20233104.0479WEIZ E， DENGY T， QIAOY T， et al. Gaussian process-based parameter identification and model current predictive control strategy of PMSM［J］. Opt. Precision Eng.， 2023， 31（4）： 479-490.（in Chinese）. doi: 10.37188/OPE.20233104.0479

[16] P M MARUSAK. Efficient model predictive control algorithm with fuzzy approximations of nonlinear models, 448-457(2009).

[17] E KELASIDI, G ANDRIKOPOULOS, G NIKOLAKOPOULOS et al. A survey on pneumatic muscle actuators modeling, 1263-1269(2011).

[18] J SAROSI, I BIRO, J NEMETH et al. Dynamic modeling of a pneumatic muscle actuator with two-direction motion. Mechanism and Machine Theory, 85, 25-34(2015).

[19] J NICODEMUS, J KNEIFL, J FEHR et al. Physics-informed neural networks-based model predictive control for multi-link manipulators. ArXiv e-Prints(2021).

[20] E SKOMSKI, S VASISHT, C WIGHT et al. Constrained block nonlinear neural dynamical models, 3993-4000(2021).

[21] [21] 范国伟， 常琳， 戴路， 等. 敏捷卫星姿态机动的非线性模型预测控制［J］. 光学 精密工程， 2015， 23（8）： 2318-2327. doi: 10.3788/ope.20152308.2318FANG W， CHANGL， DAIL， et al. Nonlinear model predictive control of agile satellite attitude maneuver［J］. Opt. Precision Eng.， 2015， 23（8）： 2318-2327.（in Chinese）. doi: 10.3788/ope.20152308.2318

[22] Y CAO, J HUANG. Neural-network-based nonlinear model predictive tracking control of a pneumatic muscle actuator-driven exoskeleton. IEEE/CAA Journal of Automatica Sinica, 7, 1478-1488(2020).

[23] J A E ANDERSSON, J GILLIS, G HORN et al. CasADi： a software framework for nonlinear optimization and optimal control. Mathematical Programming Computation, 11, 1-36(2019).

[24] J NUBERT, J KÖHLER, V BERENZ et al. Safe and fast tracking on a robot manipulator： robust MPC and neural network control. IEEE Robotics and Automation Letters, 5, 3050-3057(2020).