既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上C C++开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
˙
r
=
v
x
r
v
x
r
˙
=
u
x
r
y
r
=
v
y
r
v
y
r
˙
=
u
y
r
\left{ \begin{aligned} \dot x_r & = v_{x_r} \qquad \dot{v_{x_r}}=u_{x_r}\ y_r & = v_{y_r} \qquad \dot{v_{y_r}}=u_{y_r} \ \end{aligned} \right.
{x˙ryr=vxrvxr˙=uxr=vyrvyr˙=uyr
令误差向量为:
{
x
~
=
x
−
x
r
y
~
=
y
−
y
r
v
~
x
=
v
x
−
v
x
r
v
~
y
=
v
y
−
v
y
r
\left{ \begin{aligned} \widetilde{x}&=x-x_r \qquad\widetilde{y}=y-y_r\ \widetilde{v}_x&=v_x-v_{x_r} \qquad \widetilde{v}_y=v_y-v_{y_r}\ \end{aligned} \right.
{x
v
x=x−xry
=y−yr=vx−vxrv
y=vy−vyr
其中
n
x
:
状
态
变
量
量
个
数
,
n
u
:
控
制
变
量
个
数
,
n
m
:
输
出
变
量
个
数
n_x:状态变量量个数,n_u:控制变量个数,n_m:输出变量个数
nx:状态变量量个数,nu:控制变量个数,nm:输出变量个数,我们得到如下状态空间:
[
x
~
˙
v
~
˙
x
y
~
˙
v
~
˙
y
]
=
[
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
]
[
x
~
v
~
x
y
~
v
~
y
]
[
0
0
1
0
0
0
0
1
]
[
u
~
x
u
~
y
]
\begin{bmatrix} \dot{\widetilde{x}}\ \dot{\widetilde{v}}_x \ \dot{\widetilde{y}}\ \dot{\widetilde{v}}_y \end{bmatrix}= \begin{bmatrix} 0 & 1 & 0 & 0\ 0 & 0 & 0 & 0\ 0 & 0 & 0 & 1\ 0 & 0 & 0 & 0\ \end{bmatrix} \begin{bmatrix} \widetilde{x}\ \widetilde{v}_x \ \widetilde{y}\ \widetilde{v}_y \end{bmatrix}+ \begin{bmatrix} 0 & 0\ 1 & 0 \ 0 & 0\ 0 & 1\ \end{bmatrix} \begin{bmatrix} \widetilde{u}_x \ \widetilde{u}_y\ \end{bmatrix}
⎣⎢⎢⎡x
˙v
˙xy
˙v
˙y⎦⎥⎥⎤=⎣⎢⎢⎡0000100000000010⎦⎥⎥⎤⎣⎢⎢⎡x
v
xy
v
y⎦⎥⎥⎤+⎣⎢⎢⎡01000001⎦⎥⎥⎤[u
xu
y]
其中
A
=
[
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
]
B
=
[
0
0
1
0
0
0
0
1
]
x
(
k
)
=
[
x
~
v
~
x
y
~
v
~
y
]
u
(
k
)
=
[
u
~
x
u
~
y
]
A = \begin{bmatrix} 0 & 1 & 0 & 0\ 0 & 0 & 0 & 0\ 0 & 0 & 0 & 1\ 0 & 0 & 0 & 0\ \end{bmatrix} \quad B = \begin{bmatrix} 0 & 0\ 1 & 0 \ 0 & 0\ 0 & 1\ \end{bmatrix} \quad x(k)=\begin{bmatrix} \widetilde{x}\ \widetilde{v}_x \ \widetilde{y}\ \widetilde{v}_y \end{bmatrix} \quad u(k)=\begin{bmatrix} \widetilde{u}_x \ \widetilde{u}_y\ \end{bmatrix} \quad
A=⎣⎢⎢⎡0000100000000010⎦⎥⎥⎤B=⎣⎢⎢⎡01000001⎦⎥⎥⎤x(k)=⎣⎢⎢⎡x
v
xy
v
y⎦⎥⎥⎤u(k)=[u
xu
y]
将上述模型离散化,我们得到:
A
k
=
A
∗
Δ
t
I
B
k
=
B
∗
Δ
t
\begin{aligned} &A_k=A*\Delta t+I\ &B_k=B*\Delta t \end{aligned}
Ak=A∗Δt+IBk=B∗Δt
即我们得到系统方程:
x
(
k
1
)
=
A
k
∗
x
(
k
)
B
k
u
(
k
)
x
(
k
1
)
∈
n
x
×
1
A
k
∈
n
x
×
n
x
B
k
∈
n
x
×
n
u
\begin{aligned} &x(k+1)=A_k*x(k)+B_ku(k)\ &x(k+1)\in{n_{x}\times1}\quad A_k\in{n_{x}\times n_{x}}\quad B_k\in{n_{x}\times n_{u}} \end{aligned}
x(k+1)=Ak∗x(k)+Bku(k)x(k+1)∈nx×1Ak∈nx×nxBk∈nx×nu
递推公式推导:
{
x
(
k
i
1
∣
k
i
)
=
A
k
x
(
k
i
)
B
k
u
(
k
i
)
x
(
k
i
2
∣
k
i
)
=
A
k
2
x
(
k
i
)
A
k
B
k
u
(
k
i
)
B
k
u
(
k
i
1
)
x
(
k
i
3
∣
k
i
)
=
A
k
3
x
(
k
i
)
A
k
2
B
k
u
(
k
i
)
A
k
B
k
u
(
k
i
1
)
B
k
u
(
k
i
2
)
⋮
x
(
k
i
N
p
∣
k
i
)
=
A
k
N
p
x
(
k
i
)
A
k
N
p
−
1
B
k
u
(
k
i
)
A
k
N
p
−
2
B
k
u
(
k
i
1
)
⋯
A
k
N
p
−
N
c
B
k
u
(
k
i
N
c
−
1
)
\left{ \begin{aligned} &x(k_i+1|k_i)=A_kx(k_i)+B_ku(k_i)\ &x(k_i+2|k_i)=A_k^{2}x(k_i)+A_kB_ku(k_i)+B_ku(k_i+1)\ &x(k_i+3|k_i)=A_k{3}x(k_i)+A_k{2}B_ku(k_i)+A_kB_ku(k_i+1)+B_ku(k_i+2)\ &\qquad\vdots\ &x(k_i+N_p|k_i)=A_k{N_p}x(k_i)+A_k{N_p-1}B_ku(k_i)+A_k^{N_p-2}B_ku(k_i+1)+\cdots +A_k^{N_p-N_c}B_ku(k_i+N_c-1)\ \end{aligned} \right.
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧x(ki+1∣ki)=Akx(ki)+Bku(ki)x(ki+2∣ki)=Ak2x(ki)+AkBku(ki)+Bku(ki+1)x(ki+3∣ki)=Ak3x(ki)+Ak2Bku(ki)+AkBku(ki+1)+Bku(ki+2)⋮x(ki+Np∣ki)=AkNpx(ki)+AkNp−1Bku(ki)+AkNp−2Bku(ki+1)+⋯+AkNp−NcBku(ki+Nc−1)
令
Δ
X
=
[
x
(
k
i
1
∣
k
i
)
x
(
k
i
2
∣
k
i
)
x
(
k
i
3
∣
k
i
)
⋯
x
(
k
i
N
p
∣
k
i
)
]
(
N
p
∗
n
x
)
×
1
T
Δ
U
=
[
u
(
k
i
)
u
(
k
i
1
)
⋯
u
(
k
i
N
u
)
]
(
N
c
∗
n
u
)
×
1
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
A
k
N
p
−
2
B
k
u
(
k
i
1
)
⋯
A
k
N
p
−
N
c
B
k
u
(
k
i
N
c
−
1
)
\left{ \begin{aligned} &x(k_i+1|k_i)=A_kx(k_i)+B_ku(k_i)\ &x(k_i+2|k_i)=A_k^{2}x(k_i)+A_kB_ku(k_i)+B_ku(k_i+1)\ &x(k_i+3|k_i)=A_k{3}x(k_i)+A_k{2}B_ku(k_i)+A_kB_ku(k_i+1)+B_ku(k_i+2)\ &\qquad\vdots\ &x(k_i+N_p|k_i)=A_k{N_p}x(k_i)+A_k{N_p-1}B_ku(k_i)+A_k^{N_p-2}B_ku(k_i+1)+\cdots +A_k^{N_p-N_c}B_ku(k_i+N_c-1)\ \end{aligned} \right.
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧x(ki+1∣ki)=Akx(ki)+Bku(ki)x(ki+2∣ki)=Ak2x(ki)+AkBku(ki)+Bku(ki+1)x(ki+3∣ki)=Ak3x(ki)+Ak2Bku(ki)+AkBku(ki+1)+Bku(ki+2)⋮x(ki+Np∣ki)=AkNpx(ki)+AkNp−1Bku(ki)+AkNp−2Bku(ki+1)+⋯+AkNp−NcBku(ki+Nc−1)
令
Δ
X
=
[
x
(
k
i
1
∣
k
i
)
x
(
k
i
2
∣
k
i
)
x
(
k
i
3
∣
k
i
)
⋯
x
(
k
i
N
p
∣
k
i
)
]
(
N
p
∗
n
x
)
×
1
T
Δ
U
=
[
u
(
k
i
)
u
(
k
i
1
)
⋯
u
(
k
i
N
u
)
]
(
N
c
∗
n
u
)
×
1
[外链图片转存中…(img-4GJ55VU4-1715803093224)]
[外链图片转存中…(img-Q3dauha9-1715803093225)]
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!