模型预测控制(MPC)是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。

     20世纪60年代初期发展起来并日趋完善的现代控制理论，具有最优的性能指标和系统而精确的理论设计方法，在航天航空、制导等领域中获得了卓越的成就。但是在应用于工业过程控制时却没有收到预期的效果。究其原因，现代控制理论的基础是精确的对象参数模型，而工业过程往往具有非线性、时变性、强耦合和不确定性等特点，难以得到精确的数学模型，因而控制效果将大大降低。面对理论发展与实际应用之间的不协调，人们从工业过程控制的特点与需求出发，探索各种对模型精度要求不高而同样能实现高质量控制的方法。模型预测控制(Model Predictive Control，简称预测控制)正是在这种背景下应运而生的一类新型控制算法。一经问世，它就在石油、电力和航空等工业中得到十分成功的应用并迅速发展起来。因此，预测控制的出现并不是某种理论研究的产物，而是在工业实践过程中发展起来的一种有效的控制方法，近些年汽车无人驾驶算法也多在此算法的基础上就行研究开发。

       海水淡化即利用海水脱盐生产淡水，是实现水资源利用的开源增量技术，可以增加淡水总量，且不受时空和气候影响，可以保障沿海居民饮用水和工业锅炉补水等稳定供水。世界上有十多个国家的一百多个科研机构在进行着海水淡化的研究，有数百种不同结构和不同容量的海水淡化设施在工作。一座现代化的大型海水淡化厂，每天可以生产几千、几万甚至近百万吨淡水。水的成本在不断地降低，有些国家已经降低到和自来水的价格差不多。实验室研发的海水淡化技术，利用喷射器技术大大提高了效率，降低了淡化成本，并同山东国辰企业联合申请了山东省重大科技创新工程，立项经费1020万。

       深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标—人工智能(AI, Artificial Intelligence).深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别数据之间的关系，挖掘事物的发展模式,在各个相关领域都取得了很多成果。目前实验室也在采集大量数据，挖掘建筑能源类数据的潜力，为控制，节能做出贡献，也是实验室的一个方向。