El Control Predictiu Basat en Models (CPBM)
optimitza un índex que incorpora un paràmetre de penalització per
a les accions de control $\lambda$, amb la finalitat de que no
siguen massa brusques, al mateix temps que es millora la robustesa
del sistema. El principal inconvenient radica en que el
sintonitzat de $\lambda$ sol regir-se per criteris empírics, i poc
orientats a la millora de la robustesa.

D'entre les diferents tècniques de millora de la robustesa en CPBM
es destaca l´optimització Min-Max de les especificacions, on es
resol el problema d'optimització per al pitjor model en una regió
acotada.

Des d'un altre punt de vista, el principi de mínims quadrats està
present en nombroses teories d'identificació i control. De fet el
CPBM es pot plantejar com un problema de mínims quadrats. El seu
principal inconvenient radica en que és sensible als errors en les
dades (mal condicionament), la qual cosa es pot millorar
regularitzant el problema mitjançant el paràmetre de
regularització $\lambda$ ajustat empíricament (anàleg al paràmetre
$\lambda$ de penalització de l'esforç de control en CPBM).

La tècnica BDU (\emph{Bounded Data Uncertainties}) és una tècnica
de regularització de problemes de mínims quadrats, originalment
desenvolupada per a problemes d'estimació, i poc usada en control,
excepte el controlador lineal quadràtic (LQR) amb horitzó de
predicció finit considerant incertesa paramètrica.

Aquesta tècnica dissenya el paràmetre de regularització $\lambda$
tenint en compte la cota de la incertesa present al sistema i
planteja el problema com una optimització Min-Max. Per tant es pot
establir l'analogia amb el problema Min-Max de CPBM robust, així
l'objectiu principal de la tesi consisteix en usar la tècnica BDU
per a sintonitzar $\lambda$ de manera guiada i amb la finalitat de
millorar la robustesa del sistema.

Un altre objectiu addicional és assegurar l'estabilitat. Per tant,
es pretén plantejar un LQR robust i estable, denominat LQR-BDU,
robust per usar BDU, i estable per considerar restricció terminal
o horitzons de predicció infinits.

L'aplicació al LQR, serveix com a precursor de l'aplicació a CPBM,
on es centrarà l'atenció al GPC, obtenint el GPC-BDU on $\lambda$
s'elegeix de manera automàtica en funció del límit màxim de la
incertesa que es desitge manejar.

Per altra banda, partint de la variant estable del GPC (CRHPC o
\emph{Constrained Receding-Horizon Predictive Control}), el qual
assegura l'estabilitat nominal, es formula el CRHPC-BDU, que
pretén millorar la robustesa del sistema quan existeixen
discrepàncies entre model i procés. Per tant el controlador
CRHPC-BDU resultarà ser el GPC estable i robust objecte de la
tesi.