کنترل پیش بین (mpc)، یک روش بهینه سازی گام به گام است. در هر بازه زمانی یک مسئله بهینه سازی حلقه باز مقید به صورت درون-خطی حل می شود و یک تابع هزینه نامی با توجه به قیود ورودی و حالات پیش بینی شده، کمینه می-گردد و اولین عنصر دنباله کنترل بهینه به سیستم واقعی اعمال می شود. این فرآیند در گام های زمانی بعد، تکرار می-گردد. میزان موفقیت کنترل پیش بین بستگی به دقت مدل سیستم دارد؛ با توجه به عدم تطابق مدل سیستم با سیستم واقعی لازم است پایداری مقاوم و عملکرد مقاوم سیستم نامعین تضمین شود. بدین منظور روش کنترل پیش بین مقاوم rmpc)) مطرح شد. معمولاً مسئله rmpc برای بدترین حالت بهینه سازی می گردد و به صورت مسئله min-max فرمول بندی می شود. غالب پیشرفت های تئوری در حوزه rmpc مقید بر این فرض استوار است که تمام متغیر های حالت برای اندازه گیری در دسترس هستند، در حالی که اندازه گیری همه متغیر های حالت در یک محیط کنترلی، اغلب هزینه بر و حتی غیرعملی است. روش ارائه شده برای حل این مشکل طراحی تخمین زن حالات است که در آن متغیرهای حالت توسط مدل دینامیکی سیستم، ورودی ها وخروجی های قابل اندازه گیری بازسازی می شوند. با توجه به حالات تخمین زده شده می-توان از قانون کنترل فیدبک حالت استفاده کرد؛ کنترل کننده حاصل را فیدبک خروجی می نامند. در این رساله، یک کنترل کننده فیدبک خروجی rmpc برای سیستم های خطی نامعین با عدم قطعیت نرم-کراندار ارائه شده است. ویژگی بارز این نوع عدم قطعیت ها در مدل سازی، کاهش بار محاسباتی درون-خطی می باشد. در کنترل فیدبک خروجی، ابتدا یک rmpc فیدبک حالت برون-خطی و یک تخمین زن حالت برون-خطی به طور مجزا طراحی می شوند. سپس، پایدارسازی مقاوم ترکیب کنترل کننده و تخمین زن بررسی می گردد. انتخاب کنترل فیدبک خروجی مناسب به صورت درون-خطی صورت می گیرد. در روش پیشنهادی به منظور تضمین پایداری مقاوم از توابع لیاپانوف وابسته به پارامتر (pdlf) استفاده خواهد شد. الگوریتم پیشنهادی بر روی دو مثال کاربردی بررسی خواهد شد. نتایج شبیه سازی، کارآمدی این الگوریتم کنترلی را نشان می دهد.