Maciej Ławryńczuk

Publikacje

Książki

2022

1. Ławryńczuk M.: Nonlinear predictive control using Wiener models: computationally efficient approaches for polynomial and neural structures, Studies in Systems, Decision and Control, t. 389, Springer, Cham, 2022.

2014

2. Ławryńczuk M.: Computationally efficient model predictive control algorithms: a neural network approach, Studies in Systems, Decision and Control, t. 3, Springer, Cham, 2014.

2012

3. Ławryńczuk M.: Sieci neuronowe w efektywnych obliczeniowo algorytmach regulacji predykcyjnej, Prace Naukowe Politechniki Warszawskiej, Elektronika, nr 180, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2012.

2010

4. Ławryńczuk M., Marusak P.: Sztuczna inteligencja w automatyce, Skrypt w wersji elektronicznej, Warszawa, 2010.

2009

5. Ławryńczuk M.: Sterowanie procesów, Skrypt w wersji elektronicznej, Warszawa, 2009.

2007

6. Kręglewska U., Ławryńczuk M., Marusak P.: Control: laboratory excercises, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2007.

2003

7. Kręglewska U., Sacha K., Gustowski J., Ławryńczuk M.: Podstawy sterowania: ćwiczenia laboratoryjne, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2003.

Rozdziały z książek

2024

1. Chaber P., Ławryńczuk M., Nebeluk R., Plamowski S., Suchorab J., Zarzycki K.,: Metody sztucznej inteligencji do detekcji ataków na sieci OT, Bezpieczeństwo systemów cyberfizycznych i możliwości zastosowania sztucznej inteligencji, red.: Niewiadomska-Szynkiewicz E., s. 55-62, Główny Instytut Górnictwa - Państwowy Instytut Badawczy, Katowice, 2024.
2. Zarzycki K., Ławryńczuk M.: LSTM for modelling and predictive control of multivariable processes, Artificial Intelligence XLI. 44th SGAI International Conference on Artificial Intelligence, AI 2024 Cambridge, UK, Lecture Notes in Computer Science, t. 15446, red.: Bramer, M., Stahl, F., s. 74–87, Springer, Cham, 2024.

2023

3. Zarzycki K., Ławryńczuk M.: Physics-informed hybrid neural network model for MPC: A fuzzy approach, Advanced, Proceedings of the XXI Polish Control Conference, Lecture Notes in Networks and Systems, t. 708, red.: Pawełczyk M., Bismor D., Ogonowski S., Kacprzyk J., s. 183-192, Springer, Cham, 2023.
4. Nebeluk R., Ławryńczuk M.: On the choice of the cost function for nonlinear model predictive control: A multi-criteria evaluation, Advanced, Proceedings of the XXI Polish Control Conference, Lecture Notes in Networks and Systems, t. 708, red.: Pawełczyk M., Bismor D., Ogonowski S., Kacprzyk J., s. 361–371, Springer, Cham, 2023.

2022

5. Domański P., Chen Y., Ławryńczuk M.: Outliers in control engineering-they exist, like it or not, Outliers in Control Engineering: Fractional Calculus Perspective, Fractional Calculus in Applied Sciences and Engineering, t. 10, red.: Chen Y., Domański P., Ławryńczuk M., s. 3-26, De Gruyter, Berlin, 2022.
6. Domański P., Ławryńczuk M.: Study on robustness of nonlinear model predictive control performance assessment, Outliers in Control Engineering: Fractional Calculus Perspective, Fractional Calculus in Applied Sciences and Engineering, t. 10, red.: Chen Y., Domański P., Ławryńczuk M., s. 115-132, De Gruyter, Berlin, 2022.

2021

7. Tatjewski P., Ławryńczuk M.: Nonlinear predictive control, Process Control, Robotics, and Information Processing, red.: Kulczycki P., Korbicz J., Kacprzyk J., s. 189-228, Springer, Cham, 2021.

2020

8. Tatjewski P., Ławryńczuk M.: Nieliniowa regulacja predykcyjna, Automatyka, robotyka i przetwarzania informacji, red.: Kulczycki P., Korbicz J., Kacprzyk J., s. 171-204, Wydawnictwo Naukowe PWN, Warszawa, 2020.
9. Okulski M., Ławryńczuk M.: Identification of linear models of a tandem-wing quadplane drone: preliminary results, Advanced, Contemporary Control, Advances in Intelligent Systems and Computing t. 1196, red.: Bartoszewicz A., Kabziński J., Kacprzyk J., s. 219-228, Springer, Cham, 2020.
10. Zarzycki K., Ławryńczuk M.: Development and modelling of a laboratory ball on plate process, Advanced, Contemporary Control, Advances in Intelligent Systems and Computing t. 1196, red.: Bartoszewicz A., Kabziński J., Kacprzyk J., s. 396–408, Springer, Cham, 2020.
11. Nebeluk R., Ławryńczuk M.: Tuning of nonlinear MPC algorithm for vehicle obstacle avoidance, Advanced, Contemporary Control, Advances in Intelligent Systems and Computing t. 1196, red.: Bartoszewicz A., Kabziński J., Kacprzyk J., s. 993-1005, Springer, Cham, 2020.
12. Wojtulewicz A., Ławryńczuk M.: Hardware accelerators for fast implementation of DMC and GPC control algorithms using FPGA and their applications to a servomotor, Advanced, Contemporary Control, Advances in Intelligent Systems and Computing t. 1196, red.: Bartoszewicz A., Kabziński J., Kacprzyk J., s. 1079-1091, Springer, Cham, 2020.
13. Sawulski J., Ławryńczuk M.: PC-based simulation environment for the engine control optimiser hardware-in-the-loop testing, Advanced, Contemporary Control, Advances in Intelligent Systems and Computing t. 1196, red.: Bartoszewicz A., Kabziński J., Kacprzyk J., s. 1297-1308, Springer, Cham, 2020.
14. Domański P., Ławryńczuk M.: Quality assessment of nonlinear model predictive control using fractal and entropy measures, Nonlinear Dynamics and Control, red.: Lacarbonara W., Balachandran B., Ma J., Tenreiro Machado J., Stepan G., s. 147–156, Springer, Cham, 2020.

2018

15. Okulski M., Ławryńczuk M.: A cascade PD controller for heavy self-balancing robot, Automation 2018, Advances in Intelligent Systems and Computing, t. 743, red.: Szewczyk R., Zieliński C., Kaliczyńska M., s. 183–192, Springer, Heidelberg, 2018.
16. Dziuba K., Góra R., Domanski P., Ławryńczuk M.: Wielokryterialna ocena jakości regulacji procesu wytwarzania amoniaku, I Konferencja Naukowa Innowacje w Przemyśle Chemicznym, s. 80–90, Polska Izba Przemysłu Chemicznego, Warszawa, 2018.

2017

17. Chaber P., Ławryńczuk M.: Automatic code generation of MIMO model predictive control algorithms using transcompiler, Advances in Intelligent Systems and Computing, t. 577, red.: Mitkowski W., Kacprzyk J., Oprzędkiewicz K., Skruch P., s. 315–324, Springer, Cham, 2017.
18. Chaber P., Ławryńczuk M.: Implementation of analytical generalized predictive controllers for very fast applications using microcontrollers: preliminary results, Advances in Intelligent Systems and Computing, t. 577, red.: Mitkowski W., Kacprzyk J., Oprzędkiewicz K., Skruch P., s. 378–387, Springer, Cham, 2017.
19. Czerwiński K., Ławryńczuk M.: Identification of discrete-time model of active magnetic levitation system, Advances in Intelligent Systems and Computing, t. 577, red.: Mitkowski W., Kacprzyk J., Oprzędkiewicz K., Skruch P., s. 599–608, Springer, Cham, 2017.

2016

20. Ławryńczuk M.: Neural modelling of a yeast fermentation process using extreme learning machines, Advances in Intelligent Systems and Computing, t. 440, red.: Szewczyk R., Zieliński C., Kaliczyńska M., s. 13–23, Springer, Heidelberg, 2016.
21. Wysocki A., Ławryńczuk M.: Two- and three-layer recurrent Elman neural networks as models of dynamic processes, Advances in Intelligent Systems and Computing, t. 440, red.: Szewczyk R., Zieliński C., Kaliczyńska M., s. 165–175, Springer, Heidelberg, 2016.

2015

22. Chaber P., Ławryńczuk M.: Recurrent polynomial and neural structures in modelling of a neutralisation process, Advances in Intelligent Systems and Computing, t. 350, red.: Szewczyk R., Zieliński C., Kaliczyńska M., s. 23–32, Springer, Heidelberg, 2015.
23. Wysocki A., Ławryńczuk M.: Predictive control of a multivariable neutralisation process using Elman neural networks, Advances in Intelligent Systems and Computing, t. 350, red.: Szewczyk R., Zieliński C., Kaliczyńska M., s. 335–344, Springer, Heidelberg, 2015.

2014

24. Chaber P., Ławryńczuk M.: System do regulacji predykcyjnej, Aktualne problemy automatyki i robotyki, red. Malinowski K., Józefczyk J., Świątek J., Exit, s. 309-318, 2014.
25. Ławryńczuk M.: Algorytm regulacji predykcyjnej z linearyzacją optymalną, Aktualne problemy automatyki i robotyki, red. Malinowski K., Józefczyk J., Świątek J., Exit, s. 109-119, 2014.
26. Wysocki A., Ławryńczuk M.: On choice of the sampling period and the horizons in Generalized Predictive Control, Advances in Intelligent Systems and Computing, t. 267, red.: Szewczyk R., Zieliński C., Kaliczyńska M., s. 328–339, Springer, Heidelberg, 2014.

2013

27. Ławryńczuk M.: Nonlinear predictive control based on Least Squares Support Vector Machines Hammerstein models, Lecture Notes in Computer Science, t. 7824, red.: Tomassini M., Antonioni A., Daolio F., Buesser P., s. 246–255, Springer, Heidelberg, 2013.
28. Ławryńczuk M.: Development of explicit neural predictive control algorithm using particle swarm optimisation, Lecture Notes in Artificial Intelligence, t. 7894, red.: Rutkowski L., Korytkowski M., Scherer R., Tadeusiewicz R., Zadeh L.A., Zurada J, s. 130–139, Springer, Heidelberg, 2013.

2012

29. Ławryńczuk M.: On-line trajectory-based linearisation of neural models for a computationally efficient predictive control algorithm, Lecture Notes in Computer Science, t. 7267, red.: Rutkowski L., Korytkowski M., Scherer R., Tadeusiewicz R., Zadeh L. A., Zurada J., s. 124-132, Springer, Heidelberg, 2012.

2011

30. Ławryńczuk M.: Nonlinear predictive control based on multivariable neural Wiener models, Lecture Notes in Computer Science, t. 6593, red.: Dobnikar A., Lotrič U., Šter B., s. 31-40, Springer, Heidelberg, 2011.
31. Ławryńczuk M.: Odporny nieliniowy algorytm regulacji predykcyjnej z optymalizacją kwadratową, Postępy automatyki i robotyki, red. Malinowski K., Dindorf R., t. 16, s. 106-120, Politechnika Świętokrzyska, 2011.
32. Ławryńczuk M.: Predictive control of a distillation column using a control-oriented neural model, Lecture Notes in Computer Science, t. 6593, red.: Dobnikar A., Lotrič U., Šter B., s. 230-239, Springer, Heidelberg, 2011.
33. Syfert M., Chrzanowski P., Fajdek B., Ławryńczuk M., Marusak P., Patan K., Rogala T., Stec A., Szulim R., Tomasik P., Wachla D., Witczak M.: Application of the DiaSter System, Modeling, diagnostics and process control. Implementation in the DiaSter system, red.: Korbicz J., Kościelny J. M., s. 295-368, Springer, Londyn, 2011.
34. Tatjewski P., Trybus L., Ławryńczuk M., Marusak P., Świder Z., Stec A.: Supervisory control and optimization, Modeling, diagnostics and process control. Implementation in the DiaSter system, red.: Korbicz J., Koscielny J. M., s. 233-294, Springer, Londyn, 2011.

2010

35. Gawkowski P., Grochowski K., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Testing fault robustness of model predictive control algorithms, Lecture Notes in Computer Science, t. 6150, red.: Giese H., s. 109-124, Springer, Heidelberg, 2010.
36. Gawkowski P., Ławryńczuk M., Marusak P., Tatjewski P., Sosnowski J.: Dependability comparison of explicit and numerical GPC algorithms, Novel Algorithms and Techniques in Telecommunications, Automation and Industrial Electronics, red.: Iskander M., Karim M. A., Kapila V., s. 419-424, Springer, 2010.
37. Ławryńczuk M.: Computationally efficient nonlinear predictive control based on state-space neural models, Lecture Notes in Computer Science, t. 6067, red.: Wyrzykowski R., Dongarra J., Karczewski K., Wasniewski J., s. 350-359, Springer, Heidelberg, 2010.
38. Ławryńczuk M.: Dynamic Matrix Control algorithm based on interpolated step response neural models, Lecture Notes in Artificial Intelligence, t. 6114, red.: Rutkowski L., Scherer R., Tadeusiewicz R., Zadeh L. A., Zurada J., s. 297-304, Springer, Heidelberg, 2010.
39. Ławryńczuk M.: Explicit neural network-based nonlinear predictive control with low computational complexity, Lecture Notes in Artificial Intelligence, t. 6086, red.: Szczuka M., Kryszkiewicz M., Ramanna S., Jensen R., Hu Q., s. 649-658, Springer, Heidelberg, 2010.
40. Ławryńczuk M.: Neural Dynamic Matrix Control algorithm with disturbance compensation, Lecture Notes in Artificial Intelligence, t. 6098, red.: García-Pedrajas N., Herrera F., Fyfe C., Benítez J. M., Ali M., s. 52-61, Springer, Heidelberg, 2010.
41. Ławryńczuk M.: Precise and computationally efficient nonlinear predictive control based on neural Wiener models, Lecture Notes in Artificial Intelligence, t. 6804, red.: Kryszkiewicz M., Rybński H., Skowron A., Raś Z. W., s. 663?672, Springer, Heidelberg, 2010.
42. Ławryńczuk M., Marusak P., Tatjewski P.: Efficient predictive control algorithms based on soft computing approaches: application to glucose concentration stabilization, Novel Algorithms and Techniques in Telecommunications, Automation and Industrial Electronics, red.: Iskander M., s. 425-430, Springer, 2010.
43. Ławryńczuk M., Tatjewski P.: Approximate neural economic set-point optimisation for control systems, Lecture Notes in Artificial Intelligence, t. 6114, red.: Rutkowski L., Scherer R., Tadeusiewicz R., Zadeh L. A., Zurada J., s. 305-312, Springer, Heidelberg, 2010.

2009

44. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Towards a fault-robust GPC implementation, Diagnosis of Processes and Systems, red.: Kowalczuk Z., Pomorskie Wydawnictwo Naukowo-Techniczne, s. 131-140, Gdańsk, 2009.
45. Ławryńczuk M.: A predictive control economic optimiser and constraint governor based on neural models, Lecture Notes in Computer Science, t. 5495, red.: Kolehmainen M., Toivanen P., Beliczyński B., s. 79-88, Springer, Heidelberg, 2009.
46. Ławryńczuk M.: Computationally efficient nonlinear predictive control based on RBF neural multi-models, Lecture Notes In Computer Science, t. 5495, red.: Kolehmainen M., Toivanen P., Beliczyński B., s. 89-98, Springer, Heidelberg, 2009.
47. Ławryńczuk M.: Neural networks in model predictive control, Studies in Computational Intelligence, t. 252, red.: Nguyen N. T., Szczerbicki E., s. 31-63, Springer, Heidelberg, 2009.
48. Ławryńczuk M., Marusak P., Tatjewski P.: Regulacja predykcyjna i optymalizacja punktów pracy w systemie DiaSter, Systemy wykrywające, analizujące i tolerujące usterki, red.: Kowalczuk Z., Pomorskie Wydawnictwo Naukowo-Techniczne, s. 19-30, Gdańsk, 2009.
49. Syfert M., Chrzanowski P., Fajdek B., Ławryńczuk M., Marusak P., Patan K.: Zastosowanie systemu DiaSter, Modelowanie, diagnostyka i sterowanie nadrzędne procesami. Implementacja w systemie DiaSter, red.: Korbicz J., Koscielny J. M., s. 383-443, Wydawnictwa Naukowo - Techniczne, Warszawa, 2009.
50. Tatjewski P., Trybus L., Ławryńczuk M., Marusak P., Świder Z., Stec A.: Metody sterowania nadrzędnego, Modelowanie, diagnostyka i sterowanie nadrzędne procesami. Implementacja w systemie DiaSter, red.: Korbicz J., Koscielny J. M., s. 317-374, Wydawnictwa Naukowo - Techniczne, Warszawa, 2009.

2008

51. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Improving dependability of an explicit DMC algorithm software implementation, Recent Advances in Control and Automation, red.: Malinowski K., Rutkowski L., s. 333-432, Akademicka Oficyna Wydawnicza EXIT, 2008.
52. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Software implementation of explicit DMC algorithm with improved dependability, Novel Algorithms and Techniques in Telecommunications, Automation and Industrial Electronics, red.: Sobh T., Elleithy K., Mahmood A., Karim M. A., s. 214-219, Springer, 2008.
53. Ławryńczuk M.: Neural models training for predictive control, Recent Advances in Control and Automation, red.: Malinowski K., Rutkowski L., s. 232-241, Akademicka Oficyna Wydawnicza EXIT, 2008.
54. Ławryńczuk M.: Optimising predictive control based on neural models, Lecture Notes in Artificial Intelligence, t. 5253, red.: Dochev D., Pistore M., Traverso P., s. 118-129, Springer, Heidelberg, 2008.
55. Ławryńczuk M.: RBF neural models in steady-state target optimisation and predictive ontrol, Recent Advances in Control and Automation, red. Malinowski K., Rutkowski L., s. 353-362, Akademicka Oficyna Wydawnicza EXIT, 2008.
56. Ławryńczuk M.: Suboptimal nonlinear predictive control based on neural Wiener models, Lecture Notes in Artificial Intelligence, t. 5253, red.: Dochev D., Pistore M., Traverso P., s. 410-414, Springer, Heidelberg, 2008.
57. Ławryńczuk M.: Suboptimal nonlinear predictive control with MIMO neural Hammerstein models, Lecture Notes in Artificial Intelligence, t. 5027, red.: Nguyen N. T., Borzemski L., Grzech A., Ali M., s. 225-234, Springer, Heidelberg, 2008.
58. Ławryńczuk M.: Suboptimal nonlinear predictive control with neural multi-models, Computational Intelligence: Methods and Applications, red.: Rutkowski L., Tadeusiewicz R., Zadeh L. A., Zurada J., s. 45-56, Akademicka Oficyna Wydawnicza EXIT, 2008.
59. Ławryńczuk M., Marusak P., Tatjewski P.: Optymalizujące sterowniki predykcyjne w układach sterowania z ograniczeniami, Sterowanie i automatyzacja: aktualne problemy i ich rozwiązania, red.: Malinowski K., Rutkowski L., s. 437-446, Akademicka Oficyna Wydawnicza EXIT, 2008.
60. Ławryńczuk M., Tatjewski P.: Efficient predictive control integrated with economic optimisation based on neural models, Lecture Notes in Artificial Intelligence, t. 5097, red.: Rutkowski L., Tadeusiewicz R., Zadeh L. A., Zurada J., s. 111-122, Springer, Heidelberg, 2008.

2007

61. Ławryńczuk M.: Jet engine turbine and compressor characteristics approximation by means of artificial neural networks, Lecture Notes In Computer Science, t. 4432, s. 143-152, Springer, Heidelberg, 2007.
62. Ławryńczuk M.: Neural models in computationally efficient predictive control cooperating with economic optimisation, Lecture Notes In Computer Science, t. 4669, red.: de Sá J. M., Alexandre J. M., Duch W., Mandic D., s. 650-659, Springer, Heidelberg, 2007.
63. Ławryńczuk M.: Suboptimal nonlinear predictive control with structured neural models, Lecture Notes In Computer Science, t. 4669, red.: de Sá J. M., Alexandre J. M., Duch W., Mandic D., s. 630-639, Springer, Heidelberg, 2007.
64. Ławryńczuk M., Tatjewski P.: A computationaly efficient nonlinear predictive control algorithm with RBF neural models and its application, Lecture Notes in Artificial Intelligence, t 4585, red.: Kryszkiewicz M., Peters J. F., Rybiński H., Skowron A., s. 603-612, Springer, Heidelberg, 2007.
65. Ławryńczuk M., Tatjewski P.: Neural network steady-state modelling of a distillation column for economic optimisation, Fault Diagnosis and Fault Tolerant Control, red.: Korbicz J., Patan K., Kowal M., s. 319-328, Akademicka Oficyna Wydawnicza EXIT, 2007.

2006

66. Ławryńczuk M., Tatjewski P.: An efficient nonlinear predictive control algorithm with neural models and its application to a high-purity distillation process, Lecture Notes in Artificial Intelligence, t. 4029, red.: Rutkowski L., Tadeusiewicz R., Zadeh L. A., Zurada J. M., s. 76-85, Springer, Heidelberg, 2006.

Artykuły z czasopism

2025

1. Ławryńczuk M., Zarzycki K.: LSTM and GRU type recurrent neural networks in model predictive control: A Review, Neurocomputing, t. 632, praca 129712, 2025.

2024

2. Ławryńczuk M.: Koopman operator-based multi-model for predictive control, Nonlinear Dynamics, t. 112, s. 9955-9982, 2024.
3. Plamowski S., Nebeluk R., Wojtulewicz A., Cabaj K., Chaber P., Ławryńczuk M., Marusak P., Zarzycki K.: Methodology for conducting a study of the vulnerability of PLC control algorithms to cyber attacks, IEEE Access, t. 12, s. 135551-135563, 2024.
4. Marusak P., Nebeluk R., Wojtulewicz A., Cabaj K., Chaber P., Ławryńczuk M., Plamowski S., Zarzycki K.: Efficient cyberattack detection methods in industrial control systems, Sensors, t. 24, praca 3860, 2024.
5. Plamowski S., Chaber P., Ławryńczuk M., Nebeluk R., Niewiadomska-Szynkiewicz E., Suchorab, J., Zarzycki K., Kozakiewicz A., Stachurski A.: Infrastructure and tools for testing the vulnerability of control systems to cyberattacks: A coal mine industrial facility case, Applied Sciences, t. 14, praca 11325, 2024.

2023

6. Ławryńczuk M., Nebeluk R.: Beyond the quadratic norm: Computationally efficient constrained nonlinear MPC using a custom cost function, ISA Transactions, t. 134, s. 336-356, 2023.
7. Nebeluk R., Ławryńczuk M.: Fast nonlinear predictive control using classical and parallel Wiener models: A Comparison for a neutralization reactor process, Sensors, t. 23, praca 9539, 2023.
8. Nebeluk R., Ławryńczuk M.: Nonlinear model predictive control with L1 cost-function using neural networks for multivariable processes, IFAC-PapersOnLine, t. 56, s. 1591-1596, 2023.
9. Ławryńczuk M.: Fast training of neural affine models for model predictive control: An explicit solution, IFAC-PapersOnLine, t. 56, s. 1578-1583, 2023.
10. Zarzycki K., Ławryńczuk M.: Physics-informed hybrid GRU neural networks for MPC prediction, IFAC-PapersOnLine, t. 56, s. 8726-8731, 2023.
11. Zarzycki K., Ławryńczuk M.: Long Short-Term Memory neural networks for modeling dynamical processes and predictive control: A hybrid physics-informed approach, Sensors, t. 23, praca 8898, 2023.
12. Zarzycki K., Chaber P., Cabaj K., Ławryńczuk M., Marusak P., Nebeluk R., Plamowski S., Wojtulewicz A.: GAN neural networks architectures for testing process control industrial network against cyber-attacks, IEEE Access, t. 11, s. 49587-49600, 2023.
13. Zarzycki K., Chaber P., Cabaj K., Ławryńczuk M., Marusak P., Nebeluk R., Plamowski S., Wojtulewicz A.: Forgery cyber-attack supported by LSTM neural network: An experimental case study, Sensors, t. 23, praca 6778, 2023.

2022

14. Ławryńczuk M.: Special Issue “Model Predictive Control: Algorithms and Applications”: Foreward by the Guest Editor, Algorithms, t. 15, praca 452, 2022.
15. Zarzycki K., Ławryńczuk M.: Advanced predictive control for GRU and LSTM networks, Information Sciences, t. 616, s. 229-259, 2022.
16. Ławryńczuk M.: Input convex neural networks in nonlinear predictive control: A multi-model approach, Neurocomputing, t. 513, s. 273-293, 2022.
17. Wojtulewicz A., Domański P. D., Czarnynoga M., Kutyła M., Ławryńczuk M., Nebeluk R., Plamowski S., Rosłon K., Zarzycki K.: Practical digital twins application to high energy systems: Thermal protection for multi-detector, Electronics, t. 11, praca 2269, 2022.
18. Nebeluk R., Ławryńczuk M.: Fast Model predictive control of PEM fuel cell system using the L1 norm, Energies, t. 15, praca 5157, 2022.
19. Ławryńczuk M., Marusak P. M., Chaber P., Seredyński D.: Initialisation of optimisation solvers for nonlinear model predictive control: Classical vs. hybrid methods, Energies, t. 15, praca 2483, 2022.
20. Chaber P., Domański P. D., Ławryńczuk M., Nebeluk R., Plamowski S., Zarzycki K.: Digital twins in the practice of high-energy physics experiments: a gas System for the multipurpose detector , Sensors, t. 22, praca 678, 2022.
21. Okulski M., Ławryńczuk M.: How much energy do we need to fly with greater agility? Energy consumption and performance of an attitude stabilization controller in a quadcopter drone: A modified MPC vs. PID , Energies, t. 15, praca 1380, 2022.
22. Okulski M., Ławryńczuk M.: A small UAV optimized for efficient long-range and VTOL missions: An experimental tandem-wing quadplane drone, Applied Sciences, t. 12, praca 7059, 2022.
23. The MPD Collaboration: Status and initial physics performance studies of the MPD experiment at NICA, The European Physical Journal A, t. 58, praca 140, 2022.

2021

24. Okulska I., Ławryńczuk M.: Make a difference, open the door: The energy-efficient multi-layer thermal comfort control system based on a graph airflow model with doors and windows, Information Sciences, t. 579, s. 553-573, 2021.
25. Ławryńczuk M., Nebeluk R.: Computationally efficient nonlinear model predictive control using the L1 cost-function, Sensors, t. 21, praca 5835, 2021.
26. Ocłoń P., Ławryńczuk M., Czamara M.: A new solar assisted heat pump system with underground energy storage: modelling and optimisation, Energies, t. 14, praca 5137, 2021.
27. Zarzycki K., Ławryńczuk M.: LSTM and GRU neural networks as models of dynamical processes used in predictive control: a comparison of models developed for two chemical reactors, Sensors, t. 21, praca 5625, 2021.
28. Zarzycki K., Ławryńczuk M.: Fast real-time model predictive control for a ball-on-plate process, Sensors, t. 21, praca 3959, 2021.
29. Domański P., Ławryńczuk M.: Impact of MPC embedded performance index on control quality, IEEE Access, t. 9, s. 24787-24795, 2021.
30. Nebeluk R., Ławryńczuk M.: Computationally simple nonlinear MPC algorithm for vehicle obstacle avoidance with minimization of fuel utilization, IEEE Access, t. 9, s. 17296-17311, 2021.
31. Okulski M., Ławryńczuk M.: A novel neural network model applied to modeling of a tandem-wing quadplane drone, IEEE Access, t. 9, s. 14159-14178, 2021.
32. Nebeluk R., Ławryńczuk M.: Tuning of multivariable model predictive control for industrial tasks, Algorithms, t. 14, praca 10, 2021.

2020

33. Dziuba K., Góra R., Domański P., Ławryńczuk M.: Multicriteria ammonia plant assessment for the advanced process control implementation, IEEE Access, t. 8, s. 207923-207937, 2020.
34. Tatjewski P., Ławryńczuk M.: Algorithms with state estimation in linear and nonlinear model predictive control, Computers and Chemical Engineering, t. 143, s. 107065, 2020.
35. Domański P., Ławryńczuk M.: Control quality assessment for processes with asymmetric properties and its application to pH reactor, IEEE Access, t. 8, s. 94535-94546, 2020.
36. Ławryńczuk M.: Constrained computationally efficient nonlinear predictive control of Solid Oxide Fuel Cell: Tuning, feasibility and performance, ISA Transactions, t. 99, s. 270-289, 2020.
37. Chaber P., Ławryńczuk M.: AutoMATiC: code generation of model predictive control algorithms for microcontrollers, IEEE Transactions on Industrial Informatics, t. 16, s. 4547-4556, 2020.
38. Ławryńczuk M.: Nonlinear model predictive control for processes with complex dynamics: a parameterisation approach using Laguerre functions, International Journal of Applied Mathematics and Computer Science, t. 30, s. 35-46, 2020.
39. Ławryńczuk M., Tatjewski P.: Offset-free state-space nonlinear predictive control for Wiener systems, Information Sciences, t. 511, s. 127-151, 2020.

2019

40. Ławryńczuk M.: Identification of Wiener models for dynamic and steady-state performance with application to solid oxide fuel cell, Asian Journal of Control, t. 21, s. 1836-1846, 2019.
41. Chaber P., Ławryńczuk M.: Fast analytical model predictive controllers and their implementation for STM32 ARM microcontroller, IEEE Transactions on Industrial Informatics, t. 15, s. 4580-4590, 2019.
42. Ławryńczuk M., Ocłoń P.: Model Predictive Control and energy optimisation in residential building with electric underfloor heating system, Energy, t. 182, s. 1028-1044, 2019.
43. Czerwiński K., Wojtulewicz A., Ławryńczuk M.: Fuzzy controller for laboratory levitation system: real-time experiments using programmable logic controller, International Journal of Control, Automation and Systems, t. 17, s. 1507-1514, 2019.
44. Sawulski J., Ławryńczuk M.: Optimization of control strategy for a low fuel consumption vehicle engine, Information Sciences, t. 493, s. 192-216, 2019.
45. Ławryńczuk M., Söffker D.: Wiener structures for modeling and nonlinear predictive control of proton exchange membrane fuel cell, Nonlinear Dynamics, t. 95, s. 1639-1660, 2019.

2018

46. Ławryńczuk M.: Perspectives of model predictive control in high-energy physics experiments, Acta Physica Polonica B Proceedings Supplement, t. 11, s. 677-680, 2018.
47. Ławryńczuk M.: Towards reduced-order models of solid oxide fuel cell, Complexity, Article ID 6021249, 2018.
48. Zhang J., Chin K.-S., Ławryńczuk M.: Nonlinear model predictive control based on piecewise linear Hammerstein models, Nonlinear Dynamics, t. 92, s. 1001-1021, 2018.
49. Chaber P., Ławryńczuk M.: Pruning of recurrent neural models: an optimal brain damage approach, Nonlinear Dynamics, t. 92, s. 763-780, 2018.
50. Ziętek p., Tatjewski P., Marusak P., Szumski M., Rubik M., Szumski M., Ławryńczuk M.: Influence of the control of electronic expansion valve and compressor efficiency on operation parameters of the air-to-water heat pump, Ciepłownictwo, ogrzewanie, wentylacja, t. 49, s. 404-410, 2018.

2017

51. Zhang J., Chin K.S., Ławryńczuk M.: Multilinear model decomposition and predictive control of MIMO two-block cascade systems, Industrial and Engineering Chemistry Research, t. 67, s. 14101-14114, 2017.
52. Domański P., Ławryńczuk M.: Assessment of predictive control performance using fractal measures, Nonlinear Dynamics, t. 89, s. 773-790, 2017.
53. Domański P., Ławryńczuk M.: Assessment of the GPC control quality using non-Gaussian statistical measures, International Journal of Mathematics and Computer Science, t. 27, s. 291-307, 2017.
54. Ławryńczuk M.: Nonlinear predictive control of a boiler-turbine unit: A state-space approach with successive on-line model linearisation and quadratic optimisation, ISA Transactions, t. 67, s. 476-495, 2017.

2016

55. Ławryńczuk M.: Nonlinear predictive control of dynamic systems represented by Wiener-Hammerstein models, Nonlinear Dynamics, t. 86, s. 1193-1214, 2016.
56. Ławryńczuk M.: Modelling and predictive control of a neutralisation reactor using sparse support vector machine Wiener models, Neurocomputing, t. 205, s. 311-328, 2016.
57. Wysocki A., Ławryńczuk M.: Elman neural network for modeling and predictive control of delayed dynamic systems, Archives of Control Sciences, t. 26, s. 117-142, 2016.

2015

58. Wojtulewicz A., Chaber P., Ławryńczuk M.: Stanowisko laboratoryjne do badania wielowymiarowych algorytmów regulacji, Pomiary Automatyka Robotyka, nr 4, s. 15-20, 2015.
59. Ławryńczuk M.: Nonlinear state-space predictive control with on-line linearisation and state estimation, International Journal of Applied Mathematics and Computer Science, t. 25, s. 833-847, 2015.
60. Ławryńczuk M.: Nonlinear predictive control for Hammerstein-Wiener systems, ISA Transactions, t. 55, s. 49-62, 2015.
61. Ławryńczuk M., Tatjewski P., Marusak P., Rubik M., Ziętek P., Szumski M., Szumski M.: Opracowanie i konstrukcja regulatora pompy ciepła typu powietrze-woda: modelowanie obiektu, Pomiary Automatyka Robotyka, nr 1, s. 21-28, 2015.

2014

62. Ławryńczuk M.: Explicit nonlinear predictive control algorithms with neural approximation, Neurocomputing, t. 129, s. 570-584, 2014.

2013

63. Ławryńczuk M.: Practical nonlinear predictive control algorithms for neural Wiener models, Journal of Process Control, t. 23, s. 696–714, 2013.
64. Ławryńczuk M.: Algorytmy regulacji predykcyjnej i optymalizacji punktu pracy procesów, Przegląd Komunalny, nr 6, str. 60–63, 2013.

2011

65. Ławryńczuk M.: Accuracy and computational efficiency of suboptimal nonlinear predictive control based on neural models, Applied Soft Computing, t. 11, s. 2202-2215, 2011.
66. Ławryńczuk M.: On improving accuracy of computationally efficient nonlinear predictive control based on neural models, Chemical Engineering Science, t. 66, s. 5253-5267, 2011.
67. Ławryńczuk M.: On-line set-point optimisation and predictive control using neural Hammerstein models, Chemical Engineering Journal, t. 166, s. 269-287, 2011.
68. Ławryńczuk M.: Online set-point optimisation cooperating with predictive control of a yeast fermentation process: a neural network approach, Engineering Applications of Artificial Intelligence, t. 24, s. 968-982, 2011.

2010

69. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Fail-bounded implementations of the numerical model predictive control algorithms, Control and Cybernetics, t. 39, s. 1117-1134, 2010.
70. Ławryńczuk M.: Computationally efficient nonlinear predictive control based on neural Wiener models, Neurocomputing, t. 74, s. 401-417, 2010.
71. Ławryńczuk M.: Suboptimal nonlinear predictive control based on multivariable neural Hammerstein models, Applied Intelligence, t. 32, s. 173-192, 2010.
72. Ławryńczuk M.: Training of neural models for predictive control, Neurocomputing, t. 73, s. 1332-1343, 2010.
73. Ławryńczuk M., Marusak P., Tatjewski P.: Współdziałanie regulacji predykcyjnej i bieżącej optymalizacji punktu pracy w strukturach sterowania z modelami Wienera, Pomiary Automatyka Robotyka, nr 2, s. 470-480, 2010.
74. Ławryńczuk M., Tatjewski P.: Nonlinear predictive control based on neural multi-models, International Journal of Applied Mathematics and Computer Science, t. 20, s. 7-21, 2010.
75. Radomski D., Ławryńczuk M., Marusak P., Tatjewski P.: Modeling of glucose concentration dynamics for predictive control of insulin administration, Biocybernetics and Biomedical Engineering, t. 30, s. 41-53, 2010.

2009

76. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Fault sensitivity of explicit DMC and GPC algorithms, Journal of Automation, Mobile Robotics and Intelligent Systems, t. 3, s. 52-56, 2009.
77. Ławryńczuk M.: Analityczny nieliniowy algorytm regulacji predykcyjnej z modelami neuronowymi, Pomiary Automatyka Robotyka, nr 2, s. 506-518, 2009.
78. Ławryńczuk M.: Efficient nonlinear predictive control based on structured neural models, International Journal of Applied Mathematics and Computer Science, t. 19, s. 233-246, 2009.
79. Ławryńczuk M.: Efficient nonlinear predictive control of a biochemical reactor using neural models, Bioprocess and Biosystems Engineering, t. 32, s. 301-312, 2009.
80. Ławryńczuk M.: Explicit nonlinear predictive control of a distillation column based on neural models, Chemical Engineering and Technology, t. 10, s. 1578-1587, 2009.

2008

81. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Dependability of the software implementation of the explicit DMC algorithm, IADIS International Journal on Computer Science and Information System, t. 3, s. 44-58, 2008.
82. Ławryńczuk M.: Identyfikacja rekurencyjnych modeli neuronowych typu RBF, Pomiary Automatyka Robotyka, nr 2, s. 558-570, 2008.
83. Ławryńczuk M.: Modelling and nonlinear predictive control of a yeast fermentation biochemical reactor using neural networks, Chemical Engineering Journal, t. 145, s. 290-307, 2008.
84. Ławryńczuk M.: Suboptimal non-linear predictive control based on MLP and RBF neural models with measured disturbance compensation, Journal of Automation, Mobile Robotics and Intelligent Systems, t. 2, s. 54-64, 2008.
85. Ławryńczuk M.: Suboptymalny algorytm regulacji predykcyjnej z modelami neuronowymi typu FIR, Pomiary Automatyka Robotyka, nr 2, s. 548-557, 2008.
86. Ławryńczuk M., Marusak P., Tatjewski P.: Cooperation of model predictive control with steady-state economic optimisation, Control and Cybernetics, t. 37, s. 133-158, 2008.
87. Ławryńczuk M., Tadej W.: A computationally efficient stable dual-mode type nonlinear predictive control algorithm, Control and Cybernetics, t. 37, s. 99-132, 2008.

2007

88. Ławryńczuk M.: A family of model predictive control algorithms with artificial neural networks, International Journal of Applied Mathematics and Computer Science, t. 17, s. 217-232, 2007.
89. Ławryńczuk M.: Advanced predictive control of a distillation column with neural models, Archives of Control Sciences, t. 17, s. 121-148, 2007.
90. Ławryńczuk M.: Rekurencyjne sieci neuronowe w modelowaniu nieliniowych procesów dynamicznych, Pomiary Automatyka Robotyka, nr 2, CD-ROM, 2007.
91. Ławryńczuk M., Marusak P., Tatjewski P.: Struktury i algorytmy współdziałania regulacji predykcyjnej i bieżącej optymalizacji ekonomicznej, Pomiary Automatyka Kontrola, t. 53, s. 55-61, 2007.

2006

92. Tatjewski P., Ławryńczuk M.: Soft computing in model-based predictive control, International Journal of Applied Mathematics Computer Science, t. 16, s. 101-120, 2006.

2004

93. Ławryńczuk M., Tatjewski P.: An infinite horizon predictive control algorithm based on multivariable input-output models, International Journal of Applied Mathematics and Computer Science, t. 14, s. 167-180, 2004.

2003

94. Ławryńczuk M., Tatjewski P.: Efektywny obliczeniowo algorytm wielowymiarowej regulacji predykcyjnej dla modeli typu wejście-wyjście, Pomiary Automatyka Kontrola, t. 49, s. 10-14, 2003.
95. Ławryńczuk M., Tatjewski P.: Multivariable CRHPC (constrained receding-horizon predictive control) algorithm with improved numerical properties, Archives of Control Sciences, t. 13, s. 5-24, 2003.

1999

96. Ławryńczuk M.: Idea i przykłady wykorzystania pomiarów pośrednich w przemyśle, Pomiary Automatyka Robotyka, nr 6, s. 7-10, 1999.

Materiały konferencyjne

2023

1. Ławryńczuk M.: Fast training of neural affine models for model predictive control: An explicit solution, Proceedings of the 22nd World Congress IFAC, Yokohama, Japonia, s. 1724-1729, 2023.
2. Nebeluk R., Ławryńczuk M.: Nonlinear model predictive control with L1 cost-function using neural networks for multivariable processes, Proceedings of the 22nd World Congress IFAC, Yokohama, Japonia, s. 1737-1742, 2023.
3. Zarzycki K., Ławryńczuk M.: Physics-informed hybrid GRU neural networks for MPC prediction, Proceedings of the 22nd World Congress IFAC, Yokohama, Japonia, s. 9420-9425, 2023.

2022

4. Nebeluk R., Ławryńczuk M.: Fast nonlinear model predictive control using a custom cost-function: Preliminary results, Proceedings of the 30th Mediterranean Conference on Control and Automation, s. 13-18, Vouliagmeni, Grecja, 2022.
5. Zarzycki K., Ławryńczuk M.: Fast nonlinear model predictive control using LSTM networks: A model linearisation approach, Proceedings of the 30th Mediterranean Conference on Control and Automation, s. 1-6, Vouliagmeni, Grecja, 2022.

2020

6. Domański P., Ławryńczuk M.: Multi-criteria control performance assessment method for a multivariate MPC, Proceedings of the 2020 American Control Conference ACC 2020, s. 1968-1973, Denver, USA, 2020.

2019

7. Domański P., Ławryńczuk M., Golonka S., Moszowski B., Matyja P.: Multi-criteria loop quality assessment: a large-scale industrial case study, Proceedings of the 24th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2019, s. 99-104, Międzyzdroje, 2019.
8. Okulski M., Ławryńczuk M.: Development of a high-efficiency pitch/roll inertial measurement unit based on a low-cost accelerometer and gyroscope sensors, Proceedings of the 24th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2019, s. 657-662, Międzyzdroje, 2019.
9. Sawulski J., Ławryńczuk M.: Real-time optimisation of control strategy for a low fuel consumption vehicle engine using STM32 microcontroller: preliminary results, Proceedings of the European Control Conference ECC 2019, s. 4246-4251, Neapol, Włochy, 2019.
10. Domański P., Ławryńczuk M.: Control quality assessment of nonlinear model predictive control using fractal and entropy measures, Proceedings of the First International Nonlinear Dynamics Conference NODYCON 2019, s. 597-598, Rzym, 2019.

2018

11. Sawulski J., Ławryńczuk M.: Optimisation-based tuning of dynamic matrix control algorithm for multiple-input multiple-output processes, Proceedings of the 23th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2018, s. 160-165, Międzyzdroje, 2018.
12. Okulski M., Ławryńczuk M.: Development of a model predictive controller for an unstable heavy self-balancing robot, Proceedings of the 23th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2018, s. 503-508, Międzyzdroje, 2018.
13. Wojtulewicz A., Ławryńczuk M.: Computationally efficient implementation of dynamic matrix control algorithm for very fast processes using programmable logic controller, Proceedings of the 23th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2018, s. 579-584, Międzyzdroje, 2018.
14. Wojtulewicz A., Ławryńczuk M.: Implementation of multiple-input multiple-output dynamic matrix control algorithm for fast processes using field programmable gate array, 15th International Conference on Programmable Devices and Embedded Systems, PDeS 2018, Ostrava, Czech Republic, IFAC PapersOnLine, t. 51-6, s. 324-329, 2018.
15. Czerwiński K., Ławryńczuk M.: Dynamic matrix control algorithm implementation on ARM Cortex-R5 MCU: performance analysis, 15th International Conference on Programmable Devices and Embedded Systems, PDeS 2018, Ostrava, Czech Republic, IFAC PapersOnLine, t. 51-6, s. 330-335, 2018.

2016

16. Ławryńczuk M.: Nonlinear predictive control of temperature in long duct using specially designed neural model, Proceedings of the 3rd International Conference on Control and Fault-Tolerant Systems SysTol 2016, s. 275-280, Barcelona, Hiszpania, 2016.
17. Chaber P., Ławryńczuk M.: Effectiveness of PID and DMC control algorithms automatic code generation for microcontrollers: application to a thermal process, Proceedings of the 3rd International Conference on Control and Fault-Tolerant Systems SysTol 2016, s. 603-608, Barcelona, Hiszpania, 2016.
18. Chaber P., Ławryńczuk M.: Auto-generation of advanced control algorithms’ code for microcontrollers using transcompiler, Proceedings of the 21th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2016, s. 454-459, Międzyzdroje, 2016.
19. Wojtulewicz A., Chaber P., Ławryńczuk M.: Multiple-input multiple-output laboratory stand for process control education, Proceedings of the 21th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2016, s. 466-471, Międzyzdroje, 2016.
20. Ławryńczuk M.: An easily trained neural model of a distributed parameter system, Proceedings of the 21th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2016, s. 674-679, Międzyzdroje, 2016.
21. Tatjewski P., Ławryńczuk M., Marusak P., Rubik M., Ziętek P., Szumski M., Szumski M.: Design and implementation of the air/water heat pump controller with increased coefficient of performance, Proceedings of the 21th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2016, s. 959-964, Międzyzdroje, 2016.

2015

22. Wysocki A., Ławryńczuk M.: Jordan neural network for modelling and predictive control of dynamic systems, Proceedings of the 20th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2015, s. 145-150, Międzyzdroje, 2015.
23. Ławryńczuk M.: Approximate state-space model predictive control, Proceedings of the 20th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2015, s. 770-775, Międzyzdroje, 2015.
24. Chaber P., Ławryńczuk M.: RBF neural networks for modelling and predictive control: an application to a neutralisation process, Proceedings of the 20th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2015, s. 776-781, Międzyzdroje, 2015.

2014

25. Ławryńczuk M.: Model predictive control with on-line optimal linearisation, Proceedings of the 2014 IEEE International Symposium on Intelligent Control, ISIC, part of the 2014 IEEE Multi-conference on Systems and Control, MSC 2014, s. 2177-2182, Antibes, Francja, 2014.
26. Ławryńczuk M.: Algorytm regulacji predykcyjnej z linearyzacją optymalną, Materiały XVIII Krajowej Konferencji Automatyki, CD-ROM, Wrocław, 2014.
27. Ławryńczuk M., Chaber P.: System do regulacji predykcyjnej, Materiały XVIII Krajowej Konferencji Automatyki, CD-ROM, Wrocław, 2014.
28. Tatjewski P., Ławryńczuk M., Marusak P., Rubik. M., Ziętek P., Szumski M.: Założenia do konstrukcji regulatora pomp ciepła systemu powietrze/woda (A/W), Proceedings of the 2014 Air, Heat & Energy Conference, s. 487–492, Wrocław, 2014.

2013

29. Wysocki A., Ławryńczuk M.: An investment strategy for the stock exchange using neural networks, Proceedings of the 2013 Federated Conference on Computer Science and Information Systems, Fedcis 2013, s. 183–190, Kraków, 2013.

2009

30. Gawkowski P., Ławryńczuk M., Marusak P., Tatjewski P., Sosnowski J.: On improving dependability of the numerical GPC algorithm, Proceedings of the European Control Conference ECC 2009, s. 1377-1382, Budapeszt, Węgry, 2009.
31. Ławryńczuk M., Marusak P., Tatjewski P.: On cooperation of set-point optimisation and predictive control based on Hammerstein models, Proceedings of the 7th Workshop on Advanced Control and Diagnosis, CD-ROM, praca nr 88, Zielona Góra, 2009.
32. Tatjewski P., Ławryńczuk M., Marusak P.: Integrated predictive optimiser and constraint supervisor for processes with basic feedback control, Proceedings of the European Control Conference ECC 2009, s. 3359-3364, Budapeszt, Węgry, 2009.

2008

33. Ławryńczuk M., Marusak P., Tatjewski P.: Piecewise linear steady-state target optimization for control systems with MPC: a case study, Proceedings of the 17th World Congress IFAC, s. 13169-13174, 2008.

2007

34. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Dependability of explicit DMC and GPC algorithms, Proceedings of the II International Multiconference on Computer Science and Information Technology, s. 903-912, 2007.
35. Gawkowski P., Ławryńczuk M., Marusak P., Sosnowski J., Tatjewski P.: Dependability of the explicit DMC algorithm for a rectification process, Proceedings of the II International Multiconference on Computer Science and Information Technology, s. 779-788, 2007.
36. Ławryńczuk M.: A suboptimal nonlinear predictive control algorithm based on neural models with measured disturbance compensation, Proceedings of the 13th IEEE IFAC International Conference on Methods and Models in Automation and Robotics, s. 509-516, Międzyzdroje, 2007.
37. Ławryńczuk M.: An efficient nonlinear predictive control algorithm with neural models based on multipoint on-line linearisation, Proceedings of the International Conference on Computer as a Tool EUROCON 2007, CD-ROM, s. 777-784, Warszawa, 2007.
38. Ławryńczuk M.: Computational efficiency of suboptimal nonlinear predictive control with neural models, Proceedings of the II International Multiconference on Computer Science and Information Technology, s. 257-266, 2007.
39. Ławryńczuk M.: Suboptimal nonlinear predictive control with structured RBF neural models, Proceedings of the 13th IEEE IFAC International Conference on Methods and Models in Automation and Robotics, s. 527-534, Międzyzdroje, 2007.
40. Ławryńczuk M.: Two nonlinear predictive control algorithms based on structured neural models, Proceedings of the 3rd IFAC Workshop on Advanced Fuzzy and Neural Control, CD-ROM, Valenciennes, Francja, 2007.
41. Ławryńczuk M., Marusak P., Tatjewski P.: An efficient MPC algorithm integrated with economic optimisation for MIMO systems, Proceedings of the 13th IEEE IFAC International Conference on Methods and Models in Automation and Robotics, s. 295-302, Międzyzdroje, 2007.
42. Ławryńczuk M., Marusak P., Tatjewski P.: An integrated structure with economic optimisation and constrained model predictive control: an application to a MIMO pH reactor, Proceedings of the International Conference on Computer as a Tool EUROCON 2007, CD-ROM, s. 785-792, Warszawa, 2007.
43. Ławryńczuk M., Marusak P., Tatjewski P.: Economic efficacy of multilayer constrained predictive control structures: an application to a MIMO neutralisation reactor, Proceedings of the 11th IFAC IFORS IMACS IFIP Symposium on Large Scale Systems Theory and Applications, CD-ROM, praca 93, Gdańsk, 2007.
44. Ławryńczuk M., Marusak P., Tatjewski P.: Efficient model predictive control integrated with economic optimisation, Proceedings of the 15th Mediterranean Conference on Control and Automation, CD-ROM, praca T27-001, Ateny, Grecja, 2007.
45. Ławryńczuk M., Marusak P., Tatjewski P.: Multilayer and Integrated Structures for Predictive Control and Economic Optimisation, Proceedings of the 11th 11th IFAC IFORS IMACS IFIP Symposium on Large Scale Systems Theory and Applications, CD-ROM, praca 60, Gdańsk, 2007.
46. Ławryńczuk M., Marusak P., Tatjewski P.: Set-point optimisation and predictive constrained control for fast feedback controlled processes, Proceedings of the 13th IEEE IFAC International Conference on Methods and Models in Automation and Robotics, s. 357-362, Międzyzdroje, 2007.

2006

47. Ławryńczuk M., Marusak P., Tatjewski P.: Integrating predictive control with steady-state optimisation, Proceedings of the 12th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2006, s. 445-452, Międzyzdroje, 2006.
48. Tatjewski P., Ławryńczuk M., Marusak P.: Linking nonlinear steady-state and target set-point optimisation for model predictive control, Proceedings of the IEE International Control Conference ICC 2006, CD-ROM, Glasgow, Wielka Brytania, 2006.

2005

49. Ławryńczuk M., Marusak P., Tatjewski P.: Bieżąca optymalizacja punktu pracy procesów regulowanych algorytmem predykcyjnym, Materiały XV Krajowej Konferencji Automatyki, s. 291-296, Warszawa, 2005.
50. Ławryńczuk M., Marusak P., Tatjewski P.: Optimising predictive range control for a distillation process, Proceedings of the 11th IEEE International Conference on Methods and Models in Automation and Robotics, s. 379-384, Międzyzdroje, 2005.

2004

51. Ławryńczuk M., Tatjewski P.: A stable dual-mode type nonlinear predictive control algorithm based on on-line linearisation and quadratic programming, Proceedings of the 10th IEEE International Conference on Methods and Robotics, s. 503-510, Międzyzdroje, 2004.

2003

52. Ławryńczuk M., Marusak P., Tatjewski P.: REGZA - pakiet programów do projektowania zaawansowanych układów regulacji, Materiały Konferencji Naukowo-Technicznej AUTOMATION 2003, Automatyzacja - Nowości i Perspektywy, s. 317-326, Warszawa, 2003.
53. Ławryńczuk M., Tatjewski P.: An iterative nonlinear predictive control algorithm based on linearisation and neural models, Proceedings of the European Control Conference ECC 2003, CD-ROM, Cambridge, Wielka Brytania, 2003.

2002

54. Ławryńczuk M.: Alternatywne wskaźniki jakości w nieliniowym algorytmie regulacji predykcyjnej, Materiały XIV Krajowej Konferencji Automatyki, s. 159-164, Zielona Góra, 2002.
55. Ławryńczuk M., Marusak P., Tatjewski P.: Oprogramowanie do projektowania zaawansowanych układów regulacji, Materiały XIV Krajowej Konferencji Automatyki, s. 483-488, Zielona Góra, 2002.
56. Ławryńczuk M., Tatjewski P.: A computationally efficient nonlinear predictive control algorithm based on neural models, Proceedings of the 8th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2002, s. 781-786, Szczecin, 2002.
57. Tatjewski P., Ławryńczuk M., Marusak P.: Wybrane algorytmy regulacji predykcyjnej procesów nieliniowych, Materiały XIV Krajowej Konferencji Automatyki, s. 145-152, Zielona Góra, 2002.

2001

58. Ławryńczuk M., Tatjewski P.: A multivariable neural predictive control algorithm, Proceedings of the 1st IFAC Workshop on Advanced Fuzzy-Neural Control AFNC 2001, s. 191-196, Walencja, Hiszpania, 2001.
59. Ławryńczuk M., Tatjewski P.: A nonlinear predictive control algorithm for processes modelled by means of neural networks, Proceedings of the 7th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2001, s. 489-494, Międzyzdroje, 2001.
60. Ławryńczuk M., Tatjewski P.: Obszarowe modele neuronowe procesów dynamicznych - struktura oraz algorytmy identyfikacji, Materiały V Krajowej Konferencji Naukowo-Technicznej Diagnostyka Procesów Przemysłowych DPP 01, s. 145-148, Łagów Lubuski, 2001.

2000

61. Ławryńczuk M.: Wykorzystanie sieci neuronowych do modelowania silnie nieliniowych procesów, Materiały Konferencji Naukowo-Technicznej AUTOMATION 2000, Automatyzacja - Nowości i Perspektywy, s. 293-300, Warszawa, 2000.
62. Ławryńczuk M., Tatjewski P.: Neural inverse modelling for disturbance compensation in a nonlinear plant control, Proceedings of the 6th IEEE IFAC International Conference on Methods and Models in Automation and Robotics, s. 721-726, Międzyzdroje, 2000.

1999

63. Ławryńczuk M., Marusak P.: Ilustracja wybranych metod rozwiązywania zadań optymalizacji z ograniczeniami za pomocą strategii ewolucyjnej, Materiały III Krajowej Konferencji Algorytmy Ewolucyjne i Optymalizacja Globalna, s. 203-210, Potok Złoty, 1999.
64. Ławryńczuk M., Pułaczewski J.: Idea i przykłady wykorzystania pomiarów pośrednich w przemyśle, Materiały Konferencji Naukowo-Technicznej AUTOMATION 99, Automatyzacja - Nowości i Perspektywy, s. 413-420, Warszawa, 1999.
65. Ławryńczuk M., Pułaczewski J.: Sterowanie kolumny destylacyjnej w oparciu o model Wienera, Materiały XIII Krajowej Konferencji Automatyki, s. 35-40, Opole, 1999.

Raporty

2013

1. Ławryńczuk M., Winiarski T.: Dobór regulatora na bazie symulacji robota „Sarkofag”, Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 13-22, 2013.

2006

2. Ławryńczuk M., Marusak P.: Modele procesów referencyjnych do badania struktur sterowania predykcyjnego z optymalizacją ekonomiczną, Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 06-03, 2006.

2004

3. Ławryńczuk M., Marusak P., Tatjewski P.: Metody optymalizującego sterowania predykcyjnego, Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 04-16, 2004.
4. Ławryńczuk M., Tatjewski P., Marusak P.: Regulacyjno-optymalizacyjne algorytmy sterowania predykcyjnego, Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 04-04, 2004.

2003

5. Ławryńczuk M., Marusak P.: REGZA - pakiet oprogramowania do projektowania układów regulacji zaawansowanej - instrukcja użytkownika (wersja 3.0), Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej, 2003.

2001

6. Ławryńczuk M., Marusak P.: REGZA - pakiet oprogramowania do projektowania układów regulacji zaawansowanej - instrukcja użytkownika (wersja 2.0), Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 01-14, 2001.

2000

7. Ławryńczuk M.: Modele z wydzielonym członem statycznym - identyfikacja i wykorzystanie w sterowaniu, Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 00-03, 2000.
8. Ławryńczuk M., Marusak P.: REGZA - pakiet oprogramowania do projektowania układów regulacji zaawansowanej - instrukcja użytkownika (wer. 1.0), Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 00-11, 2000.

1998

9. Ławryńczuk M.: Modelowanie i symulacja procesu destylacji dwuskładnikowej dla potrzeb projektowania układów regulacji, Raport Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej nr 98-17, 1998.
10. Weigl Z., Oracz P., Dunalewicz A., Ławryńczuk M., Poświata A., Ilmurzyńska J., Plesnar M.: Opracowanie systemu inżynieryjnej symulacji dynamiki układów chemicznych, Raport Instytutu Chemii Przemysłowej i Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej, 1998.
11. Weigl Z., Oracz P., Ilmurzyńska J., Wójtowicz J., Mroczek T., Tatjewski P., Pułaczewski J., Nowosad K., Ławryńczuk M., Marusak P.: Optymalizacja kolumny etylenowej DA-303. Etap II, Raport Instytutu Chemii Przemysłowej i Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej, 1998.
12. Weigl Z., Oracz P., Ilmurzyńska J., Wójtowicz J., Mroczek T., Tatjewski P., Pułaczewski J., Nowosad K., Ławryńczuk M., Marusak P.: Optymalizacja kolumny etylenowej DA-303. Etap II, Raport Instytutu Chemii Przemysłowej i Instytutu Automatyki i Informatyki Stosowanej Politechniki Warszawskiej, 1998.