Temperature control is a widely researched topic and a common application is in heating systems such as buildings. A temperature control method that is central in ensuring comfort and reduction of energy consumption in modern buildings and other heating systems is based on model predictive control (MPC). Traditionally, the MPC optimal control problem is to track a target, but there are other examples of optimization problems besides tracking problems and one such optimization problem is the economical optimization problem, an optimization based on economical objectives. A heating system with electrical supply may be controlled by an economic MPC such that the economical objective is to consider time-varying prices of electricity.  This thesis studies how time-varying prices of electricity can be utilized as an economical objective in an economical MPC to reduce electricity costs for a double-heater system. This is done using an available model of the double-heater system and an MPC to construct an economical MPC. The performance of the economical MPC is then investigated and compared to the existing MPC.  In the thesis it is found, through a test with six different cost profiles and a test with historical data of forecasts of electricity prices, that the economical MPC can reduce total electricity costs when compared to the existing MPC. Furthermore it is found that the performance of the economic MPC is acceptable when it is compared with and without prediction of setpoint changes, prediction of price changes and an isolating layer between the heaters. The thesis concludes that satisfactory results are attained, as the economical MPC leads to decreased total electricity costs for the double-heater system and notes that the economic MPC is versatile by accepting both user-defined and historical cost profiles.

Cette thèse vise à élaborer de nouvelles stratégies de commande basées sur la commande prédictive pour le système de génération d’énergie éolienne. La topologie des systèmes de production éolienne basées sur le Générateur Asynchrone à Double Alimentation (GADA) qui convient à des plateformes de génération dans la gamme de puissance de 1.5 à 6 MW est abordée. Du point de vue technologique, le convertisseur à trois niveaux et clampé par le neutre (3L-NPC) est considéré comme une bonne solution pour une puissance élevée en raison de ses avantages: capacité à réduire la distorsion harmonique de la tension de sortie et du courant, et augmentation de la capacité du convertisseur grâce à une tension réduite appliquée à chaque semi-conducteur de puissance. Une description détaillée de la commande prédictive à ensemble de commande fini (FCS-MPC) avec un horizon de prédiction de deux pas est présentée pour deux boucles de régulation: celle liée au convertisseur connecté au réseau et celle du convertisseur connecté au GADA. Le principe de la commande repose sur l’utilisation d’un modèle de prédiction permettant de prédire le comportement du système pour chaque état de commutation du convertisseur. La minimisation d’une fonction de coût appropriée prédéfinie permet d’obtenir la commutation optimale à appliquer au convertisseur. La thèse étudie premièrement les problèmes liées à la compensation du temps de calcul de la commande et au choix et aux pondérations de la fonction de coût. Ensuite, le problème de stabilité de la commande FCS-MPC est abordé en considérant une fonction de Lyapunov dans la minimisation de la fonction de coût. Finalement, une étude sur la compensation des effets des temps morts du convertisseur est présentée. / This thesis aims to elaborate new control strategies based on Model Predictive control for wind energy generation system. We addressed the topology of doubly fed induction generator (DFIG) based wind generation systems which is suitable for generation platform power in the range in 1.5-6 MW. Furthermore, from the technological point of view, the three-level neutral-point clamped (3L-NPC) inverter configuration is considered a good solution for high power due to its advantages: capability to reduce the harmonic distortion of the output voltage and current, and increase the capacity of the converter thanks to a decreased voltage applied to each power semiconductor.In this thesis, we presented a detailed description of finite control set model predictive control (FCS-MPC) with two step horizon for two control schemes: grid and DFIG connected 3L-NPC inverter. The principle of the proposed control scheme is to use system model to predict the behaviour of the system for every switching states of the inverter. Then, the optimal switching state that minimizes an appropriate predefined cost function is selected and applied directly to the inverter.The study of issues such as delay compensation, computational burden and selection of weighting factor are also addressed in this thesis. In addition, the stability problem of FCS-MPC is solved by considering the control Lyapunov function in the design procedure. The latter study is focused on the compensation of dead-time effect of power converter.

In recent years, mobile robots have gained tremendous attention from the entire society: the industry is aiming at selling more intelligent products while the academia is improving their performance from all perspectives. Real world examples include autnomous driving vehicles, multirotors, legged robots, etc. One of the challenging tasks commonly faced by all game players, and all robotics platforms, is to plan motion or locomotion of the robot, calculate an optimal trajectory according to certain criterion and control it accordingly. Difficulty of solving such task usually arises from high-dimensionality and complexity of the system dynamics, fast changing conditions imposed as constraints and necessity for real-time deployment. This work proposes a method over the aforementioned mission by solving an optimal control problem in a receding horizon fashion. Unlike the existing Sequential Linear Quadratic [1] algorithm which is a continuous-time variant of Differential Dynamic Programming [2], we tackle the problem in a discretized multiple shooting fashion. Sequential Quadratic Programming is employed as optimization technique to solve the constrained Nonlinear Programming iteratively. Moreover, we apply trust region method in the sub Quadratic Programming to handle potential indefiniteness of Hessian matrix as well as to improve robustness of the solver. Simulation and benchmark with previous method have been conducted on robotics platforms to show the effectiveness of our solution and superiority under certain circumstances. Experiments have demonstrated that our method is capable of generating trajectories under complicated scenarios where the Hessian matrix contains negative eigenvalues (e.g. obstacle avoidance). / De senaste åren har mobila robotar fått enorm uppmärksamhet från hela samhället: branschen siktar på att sälja mer intelligenta produkter samtidigt som akademin förbättrar sina prestationer ur alla perspektiv. Exempel på verkligheten inkluderar autonoma körande fordon, multirotorer, robotar med ben, etc. En av de utmanande uppgifterna som vanligtvis alla spelare och alla robotplattformar står inför är att planera robotens rörelse eller rörelse, beräkna en optimal bana enligt vissa kriterier och kontrollera det därefter. Svårigheter att lösa en sådan uppgift beror vanligtvis på hög dimensionalitet och komplexitet hos systemdynamiken, snabbt föränderliga villkor som åläggs som begränsningar och nödvändighet för realtidsdistribution. Detta arbete föreslår en metod över det tidigare nämnda uppdraget genom att lösa ett optimalt kontrollproblem på ett vikande horisont. Till skillnad från den befintliga Sequential Linear Quadratic [1] algoritmen som är en kontinuerlig tidsvariant av Differential Dynamic Programming [2], tar vi oss an problemet på ett diskretiserat multipelfotograferingssätt. Sekventiell kvadratisk programmering används som optimeringsteknik för att lösa den begränsade olinjära programmeringen iterativt. Dessutom tillämpar vi trust region-metoden i den sub-kvadratiska programmeringen för att hantera potentiell obestämdhet av hessisk matris samt för att förbättra lösarens robusthet. Simulering och benchmark med tidigare metod har utförts på robotplattformar för att visa effektiviteten hos vår lösning och överlägsenhet under vissa omständigheter. Experiment har visat att vår metod är kapabel att generera banor under komplicerade scenarier där den hessiska matrisen innehåller negativa egenvärden (t.ex. undvikande av hinder).

Tesis por compendio / [ES] Esta tesis está dedicada al desarrollo de conceptos de control predictivo basados en modelos para la compensación de armónicos en sistemas de potencia con fuentes de energía renovables. En concreto, estos conceptos proporcionan una corriente de compensación de referencia para un filtro activo de potencia conectado en el punto de acoplamiento común, mejorando así la calidad de potencia del sistema. No obstante, los resultados podrían aplicarse en general a problemas de control en los que el objetivo sea seguir la forma de una determinada señal. La tesis propone dos métodos principales de control basados en la teoría de control predictivo de modelos (MPC). El primer controlador, es decir, el control predictivo de modelos con conformación de señal de estado lineal (LS3MPC), se basa en la teoría MPC cuadrática estándar. Sin embargo, contrariamente a la práctica habitual de control de referencia fija, el LS3MPC incorpora la dinámica deseada del sistema directamente en su función de coste, utilizando los denominados residuos de clase de forma lineal. Este enfoque permite que la función de costes del LS3MPC sea más adaptable y ofrezca más compensaciones dinámicas, especialmente cuando está sometida a restricciones. Al utilizar los residuos de clase de forma, el problema MPC garantiza que la planta controlada siga la dinámica dada por la clase de forma. En este caso, la dinámica deseada está determinada por la clase de forma armónica lineal propuesta, es decir, la dinámica de una señal armónica fundamental de frecuencia fija. Desde el punto de vista de la implementación, se propone una formulación MPC explícita para el LS3MPC con el fin de mejorar su aplicabilidad en tiempo real. El LS3MPC explícito propuesto utiliza un enfoque de malla equidistante en formato tensorial para aproximar la solución MPC explícita con afinidad por partes. Usando la descomposición tensorial, el LS3MPC explícito puede romper la maldición de la dimensionalidad, reduciendo significativamente la carga de memoria y trivializando el problema en tiempo real de localización de puntos. El segundo controlador, es decir, el control predictivo de modelo de ciclo límite (LCMPC), se centra en resolver las deficiencias del LS3MPC. En concreto, el LCMPC aborda la falta de control directo de la amplitud recurriendo a la teoría MPC no lineal. El LCMPC introduce una clase de forma armónica no lineal basada en una forma normal de bifurcación supercrítica de Neimark-Sacker. Al igual que el LS3MPC, el LCMPC también incorpora el residual de su clase de forma armónica no lineal directamente en su función de coste, proporcionando las mismas ventajas mencionadas anteriormente. En cuanto a la estabilidad del sistema, se desarrollan condiciones suficientes, para un estado inicial predeterminado, que garanticen que el sistema de bucle cerrado permanece dentro de la región de atracción de la forma normal ante una perturbación suficientemente pequeña. Ambos controladores se someten a pruebas con estudios de simulación en múltiples escenarios, proporcionando resultados de compensación consistentemente satisfactorios. / [CA] Aquesta tesi està dedicada al desenvolupament de conceptes de control predictiu basats en models per a la compensació d'harmònics en sistemes de potència amb fonts d'energia renovables. En concret, aquests conceptes proporcionen un corrent de compensació de referència per a un filtre actiu de potència connectat en el punt d'acoblament comú, millorant així la qualitat de potència del sistema. No obstant això, els resultats podrien aplicar-se en general a problemes de control en els quals l'objectiu siga seguir la forma d'un determinat senyal. La tesi proposa dos mètodes principals de control basats en la teoria de control predictiu de models (MPC). El primer controlador, és a dir, el control predictiu de models amb conformació de senyal d'estat lineal (LS3MPC), es basa en la teoria MPC quadràtica estàndard. No obstant això, contràriament a la pràctica habitual de control de referència fixa, el LS3MPC incorpora la dinàmica desitjada del sistema directament en la seua funció de cost, utilitzant els denominats residus de classe de manera lineal. Aquest enfocament permet que la funció de costos del LS3MPC siga més adaptable i oferisca més compensacions dinàmiques, especialment quan està sotmesa a restriccions. En utilitzar els residus de classe de forma, el problema MPC garanteix que la planta controlada seguisca la dinàmica donada per la classe de forma. En aquest cas, la dinàmica desitjada està determinada per la classe de manera harmònica lineal proposta, és a dir, la dinàmica d'un senyal harmònic fonamental de freqüència fixa. Des del punt de vista de la implementació, es proposa una formulació MPC explícita per al LS3MPC amb la finalitat de millorar la seua aplicabilitat en temps real. El LS3MPC explícit proposat utilitza un enfocament de malla equidistant en format tensorial per a aproximar la solució MPC explícita amb afinitat per parts. Usant la descomposició tensorial, el LS3MPC explícit pot trencar la maledicció de la dimensionalitat, reduint significativament la càrrega de memòria i trivialitzant el problema en temps real de localització de punts. El segon controlador, és a dir, el control predictiu de model de cicle límit (LCMPC), se centra en resoldre les deficiències del LS3MPC. En concret, el LCMPC aborda la falta de control directe de l'amplitud recorrent a la teoria MPC no lineal. El LCMPC introdueix una classe de manera harmònica no lineal basada en una forma normal de bifurcació supercrítica de Neimark-Sacker. Igual que el LS3MPC, el LCMPC també incorpora el residual de la seua classe de manera harmònica no lineal directament en la seua funció de cost, proporcionant els mateixos avantatges esmentats anteriorment. Quant a l'estabilitat del sistema, es desenvolupen condicions suficients, per a un estat inicial predeterminat, que garantisquen que el sistema de bucle tancat roman dins de la regió d'atracció de la forma normal davant una pertorbació prou xicoteta. Tots dos controladors se sotmeten a proves amb estudis de simulació en múltiples escenaris, proporcionant resultats de compensació consistentment satisfactoris. / [EN] This thesis is dedicated to developing model-based predictive control concepts for harmonic compensation in power systems with renewable energy sources. Specifically, these concepts provide a reference compensation current for an active power filter connected at the point of common coupling, thereby enhancing the system's power quality. Nevertheless, results could be generically applied to control problems where the task is to follow a certain shape of a signal. The thesis proposes two main control approaches based on model predicitve control (MPC) theory. The first controller, i.e., the linear state signal shaping model predictive control (LS3MPC), relies on standard quadratic MPC theory. However, contrary to standard fixed reference control practice, the LS3MPC embeds the desired system dynamics directly into its cost function, using the so-called linear shape class residuals. This approach allows the LS3MPC' cost function to be more adaptive, providing more dynamic trade-offs, especially when constrained. By using shape class residuals, the MPC problem ensures that the controlled plant follows the desired dynamics given by the shape class. In this case, the target dynamics are given by the proposed linear harmonic shape class, i.e, the dynamics of a fundamental harmonic signal of fixed frequency. From an application perspective, an explicit MPC formulation for the LS3MPC is proposed to enhance its real-time applicability. The proposed explicit LS3MPC uses an equidistant mesh grid approach in tensor format to approximate the piecewise affine explicit MPC solution. Using tensor decomposition, the explicitLS3MPC can break the curse of dimensionality, significantly reducing memory burden and trivializing the online point localization problem. The second controller, i.e., the limit cycle model predictive control (LCMPC), focuses on addressing the shortcomings of the LS3MPC. Namely, the LCMPC addresses the lack of direct amplitude control by reaching into nonlinear MPC theory. The LCMPC introduces a nonlinear harmonic shape class based on a supercritical Neimark-Sacker bifurcation normal form. Similarly to theLS3MPC, the LCMPC also embeds its nonlinear harmonic shape class residual directly in its cost function, providing the same benefits mentioned before. Regarding system stability, sufficient conditions are developed for a given initial state to ensure that the closed-loop system remains inside the normal form region of attraction for a sufficiently small disturbance. Both controllers are tested with simulation studies in multiple scenarios, providing consistently satisfactory compensation results. / The contributions on this doctoral thesis were partly developed at the Fraunhofer Institute for Silicon Technology ISIT within the project North German Energy Transition 4.0 (ger- man: Norddeutsche EnergieWende, NEW 4.0), which is funded by the German Federal Ministry for Economic Affairs and Energy (german: Bundesministerium für Wirtschaft und Energie, BMWi. This work was also partly funded with the project Northern German Living Lab (german: Norddeutsches Reallabor, NRL) by the Federal Ministry for Economic Affairs and Climate Action, by Generalitat Valenciana regional government through project CIAICO/2021/064, and by the Free and Hanseatic City of Hamburg (Hamburg City Parliament publication 20/11568). / Cateriano Yáñez, C. (2024). State Shaping Model Predictive Control for Harmonic Compensation [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/209406 / Compendio

The developments of advanced non-linear control strategies have attracted a considerable research interests over the past decades especially in process control. Rather than an absolute reliance on mathematical models of process plants which often brings discrepancies especially owing to design errors and equipment degradation, non-linear models are however required because they provide improved prediction capabilities but they are very difficult to derive. In addition, the derivation of the global optimal solution gets more difficult especially when multivariable and non-linear systems are involved. Hence, this research investigates soft computing techniques for the implementation of a novel real time constrained non-linear model predictive controller (NMPC). The time-frequency localisation characteristics of wavelet neural network (WNN) were utilised for the non-linear models design using system identification approach from experimental data and improve upon the conventional artificial neural network (ANN) which is prone to low convergence rate and the difficulties in locating the global minimum point during training process. Salient features of particle swarm optimisation and a genetic algorithm (GA) were combined to optimise the network weights. Real time optimisation occurring at every sampling instant is achieved using a GA to deliver results both in simulations and real time implementation on coupled tank systems with further extension to a complex quadruple tank process in simulations. The results show the superiority of the novel WNN-NMPC approach in terms of the average controller energy and mean squared error over the conventional ANN-NMPC strategies and PID control strategy for both SISO and MIMO systems.

Les exigences croissantes sur l'efficacité énergétique des bâtiments, l'évolution du {marché} énergétique, le développement technique récent ainsi que les particularités du poste de chauffage ont fait du MPC le meilleur candidat pour la régulation thermique des bâtiments à occupation intermittente. Cette thèse présente une méthodologie basée sur la commande prédictive distribuée visant un compromis entre l'optimalité, la simplicité et la flexibilité de l'implantation de la solution proposée. Le développement de l'approche est progressif : à partir du cas d'une seule zone, la démarche est ensuite étendue au cas multizone et / ou multisource, avec la prise en compte des couplages thermiques entre les zones adjacentes. Après une formulation quadratique du critère MPC pour mieux satisfaire les objectifs économiques du contrôle, la formulation linéaire est retenue. Pour répartir la charge de calcul, des méthodes de décomposition linéaire (comme Dantzig-Wolfe et Benders) sont employées. L'efficacité des algorithmes distribués proposés est illustrée par diverses simulations. / The increasing requirements on energy efficiency of buildings, the evolution of the energy market, the technical developments and the characteristics of the heating systems made of MPC the best candidate for thermal control of intermittently occupied buildings. This thesis presents a methodology based on distributed model predictive control, aiming a compromise between optimality, on the one hand, and simplicity and flexibility of the implementation of the proposed solution, on the other hand. The development of the approach is gradually. The mono-zone case is initially considered, then the basic ideas of the solution are extended to the multi-zone and / or multi-source case, including the thermal coupling between adjacent zones. Firstly we consider the quadratic formulation of the MPC cost function, then we pass towards a linear criterion, in order to better satisfy the economic control objectives. Thus, linear decomposition methods (such as Dantzig-Wolfe and Benders) represent the mathematical tools used to distribute the computational charge among the local controllers. The efficiency of the distributed algorithms is illustrated by simulations.

Cette thèse porte sur l’application des approches de commande prédictive pour l’optimisation des démarrages des centrales à cycles combinés. Il s’agit d’une problématique à fort enjeu qui pose des défis importants. L’élaboration des approches est progressive. Dans une première partie un modèle de centrale est construit et adapté à l’optimisation, en utilisant une méthodologie qui transforme des modèles physiques Modelica conçus pour la simulation en des modèles pour l’optimisation. Cette méthodologie a permis de construire une bibliothèque adaptée à l’optimisation. La suite des travaux porte sur l’utilisation du modèle afin d’optimiser phase par phase les performances du démarrage. La solution proposée optimise, en temps continu, le profil de charge des turbines en recherchant dans des ensembles de fonctions particulières. Le profil optimal est déterminé en considérant que celui-ci peut être décrit par une fonction paramétrée dont les paramètres sont calculés en résolvant un problème de commande optimale sous contraintes. La dernière partie des travaux consiste à intégrer cette démarche d’optimisation à temps continu dans une stratégie de commande à horizon glissant. Cette approche permet d’une part de corriger les dérives liées aux erreurs de modèles et aux perturbations, et d’autre part, d’améliorer le compromis entre le temps de calcul et l’optimalité de la solution. Cette approche de commande conduit cependant à des temps de calcul importants. Afin de réduire le temps de calcul, une structure de commande prédictive hiérarchisée avec deux niveaux, en travaillant à des échelles de temps et sur des horizons différents, a été proposée. / This thesis focuses on the application of model predictive control approaches to optimize the combined cycle power plants start-ups. Generally, the optimization of start-up is a very problematic issue that poses significant challenges. The development of the proposed approaches is progressive. In the first part a physical model of plant is developed and adapted to optimization purposes, by using a methodology which transforms Modelica model components into optimization-oriented models. By applying this methodology, a library suitable for optimization purposes has been built.In the second part, based on the developed model, an optimization procedure to improve the performances of the start-up phases is suggested. The proposed solution optimizes, in continuous time, the load profile of the turbines, by seeking in specific sets of functions. The optimal profile is derived by considering that this profile can be described by a parameterized function whose parameters are computed by solving a constrained optimal control problem. In the last part, the open-loop optimization procedure has been integrated into a receding horizon control strategy. This strategy represents a robust solution against perturbation and models errors, and enables to improve the trade-off between computation time and optimality of the solution. Nevertheless, the control approach leads to a significant computation time. In order to obtain real-time implementable results, a hierarchical model predictive control structure with two layers, working at different time scales and over different prediction horizons, has been proposed.

This thesis describes the theory of model predictive control and application of the theory to synchronous drives. It shows explicit and on-line solutions and compares the results with classical vector control structure.

Cette thèse porte sur l'optimisation et la commande prédictive des centrales de production d'énergie en utilisant des modèles physiques des installations. Les modèles sont réalisés à l'aide du langage Modelica, un langage équationnel adapté à la modélisation de systèmes multi-physiques. La modélisation de systèmes physiques dans ce langage est présentée dans une première partie, ainsi que les traitements symboliques réalisés par les compilateurs Modelica pour mettre les modèles sous une forme adaptée à l'optimisation. On présente dans une seconde partie le développement d'une méthode d'optimisation dynamique hybride pour les centrales de production d'énergie, qui fournit une trajectoire optimisée de l'installation sur un horizon long. Les trajectoires calculées incluent les trajectoires des commandes continues ainsi que les décisions d'engagement des différents équipements. L'algorithme d'optimisation combine la méthode de collocation et une méthode nommée Sum Up Rounding (SUR) pour la prise en compte des décisions d'engagement. Un algorithme de commande prédictive (MPC) est enfin introduit afin de garantir le suivi des trajectoires optimales et de prendre en compte en temps réel la présence de perturbations et les erreurs du modèle d'optimisation. L'algorithme MPC utilise des modèles linéarisés tangents générés automatiquement à partir du modèle non linéaire. / This thesis deals with hybrid optimal control and Model Predictive Control (MPC) of power plants by use of physical models. Models of the facilities are developped with Modelica, an equation based language tailored for modelling multi-physics systems. Modeling of physical systems with Modelica is introduced in a first part, as well as some of the symbolic processing done by Modelica compilers that transform the original model to a form suited for optimization. Then, a method to solve optimal control problems on hybrid systems (such as power plants) is presented. This methods provides an optimal trajectory for the power plant on a long horizon. The optimal trajectory computed by the method includes the trajectories of continuous inputs as well as switching decisions for components in the plant. The optimization algorithm combines the collocation method and a method named Sum Up Rounding (SUR) for dealing with switches. Finally, a Model Predictive Controller is developped in order to follow this optimal trajectory in real time, and to cope with disturbances on the actual system and modelling errors. The proposed MPC uses tangent linear models of the plant that are derived automatically from the nonlinear model.

Le thème principal de ce mémoire est la commande sous contraintes pour des systèmes à retard, en tenant compte de la problématique d’échantillonnage (où les informations concernant le système en temps continu sont, par exemple, envoyées par un réseau de communication) et de la présence de contraintes sur les trajectoires du système et sur l’entrée de commande. Pendant le processus d’échantillonnage, le retard variable dans le temps peut être traité comme une incertitude, le but étant de confiner cette variation dans un polytope, de façon à couvrir toutes les variations possibles du retard. Pour stabiliser des systèmes à retard, nous nous sommes basés sur la théorie de Lyapunov. En utilisant cette méthode, nous pouvons trouver un retour d’état qui stabilise le système malgré la présence du retard variable dans la boucle. Une autre possibilité est l’utilisation des candidates de Lyapunov-Krasovskii. La théorie des ensembles invariants est largement utilisée dans ce manuscrit, car il est souhaitable d’obtenir une région de ≪ sûreté ≫, ou le comportement du système est connu, en dépit de la présence du retard (variable) et des contraintes sur les trajectoires du système. Lorsqu’ils sont obtenus dans l’espace d’état augmenté, les ensembles invariants sont très complexes, car la dimension de l’espace Euclidien sera proportionnelle à la taille du système mais aussi à la taille du retard. Le concept de D-invariance est ainsi proposé. La commande prédictive (en anglais MPC) est présentée, pour tenir compte des contraintes sur les trajectoires et appliquer une commande optimale à l’entrée du système. / The main interest of the present thesis is the constrained control of time-delay system, more specifically taking into consideration the discretization problem (due to, for example, a communication network) and the presence of constraints in the system’s trajectories and control inputs. The effects of data-sampling and modeling problem are studied in detail, where an uncertainty is added into the system due to additional effect of the discretization and delay. The delay variation with respect to the sampling instants is characterized by a polytopic supra-approximation of the discretization/delay induced uncertainty. Some stabilizing techniques, based on Lyapunov’s theory, are then derived for the unconstrained case. Lyapunov-Krasovskii candidates were also used to obtain LMI conditions for a state feedback, in the ``original” state-space of the system. For the constrained control purposes, the set invariance theory is used intensively, in order to obtain a region where the system is ``well-behaviored”, despite the presence of constraints and (time-varying) delay. Due to the high complexity of the maximal delayed state admissible set obtained in the augmented state-space approach, in the present manuscript we proposed the concept of set invariance in the ``original” state-space of the system, called D-invariance. Finally, in the las part of the thesis, the MPC scheme is presented, in order to take into account the constraints and the optimality of the control solution.