![](https://img-blog.csdnimg.cn/direct/635a503a5e2f493899b6d8019900059f.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
控制理论
文章平均质量分 90
分享控制学科中的数学和一些常用的控制算法
木心
I seek not to know the answer, but to understand the questions.
欢迎访问我的个人Blog-->
https://shenmuxin.github.io
展开
-
模型预测控制MPC详解(附带案例实现)
写在前面本文是记录学习B站博主Dr.can的学习笔记,如有侵权请联系笔者删除此文。最优控制问题就是研究在约束条件下达到最优的系统表现,通常系统的表现是综合分析的结果。比如考虑一个单输入单输出的系统(SISO),状态变量xxx,输出为yyy,要求其输出能跟踪预设的参考值rrr,误差可以表示为e=y−re=y-re=y−r,那么最优控制的目标是min∫0te2dt\min \int_0^t e^2 dtmin∫0te2dt如果同时希望输入量uuu也能越小越好(一般的目的是减少能耗),那最优控制的目标可以原创 2024-06-20 15:42:12 · 1128 阅读 · 0 评论 -
控制障碍函数CBF详解(附带案例实现)
由于这个优化为一个凸优化问题,因此其实时性是可以被保证的,CLF约束通常用松弛变量来保证问题的可行性,如果没有松弛变量,控制器将指数稳定到系统原点。为了使收敛更加迅速,我们需要考虑收敛的时间限制,指数收敛是一种快速的方式,所以我们希望最终的结果能够按照指数的方式进行收敛。是线性的,因此用最小范数控制器,二次规划的目标位最小化控制量,受限制为,满足李雅普诺夫函数收敛的上界以及控制量。,所以此CBF是一个可行的CBF,那么我们最终获得的CLF-CBF-QP为。,是系统的控制向量场,它描述了系统的控制输入。原创 2024-05-31 15:25:33 · 1293 阅读 · 0 评论 -
欧拉角与旋转矩阵之间的相互转化(推导和Python代码)
表示三维空间中的旋转可以有多种表示的方法(旋转矩阵,欧拉角,四元素,轴角,李群李代数)。欧拉角表示法,分别是指定了三个角度yaw,roll,pitch,分别是绕z轴,x轴,y轴的转动的角度。原创 2024-05-16 14:57:12 · 673 阅读 · 0 评论 -
相机模型的内参、外参
相机将三维世界中的坐标点(单位为米)映射到二维的像素平面(单位为像素)的过程能够使用一个几何模型来进行描述,为了简单起见这个模型我们通常使用。同时,由于相机镜头上透镜的存在,透镜的安装不能保证绝对的准确,因此在成像的过程中还会出现。因此,我们使用针孔模型和畸变模型来描述整个投影过程。针孔模型和畸变模型能够把外部的三维点投影到相机内部的成像平面,这组参数就构成了相机的。原创 2024-05-15 13:22:44 · 858 阅读 · 0 评论 -
机器人学【一、刚体运动】
三维空间中可以用坐标(x,y,z)∈R3(x,y,z)\in\mathcal{R}^3(x,y,z)∈R3来描述质点的位置,而质点的运动轨迹可以使用参数形式来进行表示:p(t)=(x(t),y(t),z(t))∈R3p(t)=(x(t),y(t),z(t))\in\mathcal{R}^3p(t)=(x(t),y(t),z(t))∈R3。在机器人学中,我们通常关心的问题通常不是一个质点的运动,而是一组质点共同的运动。如果一条杆上的质点保持相对距离不变,我们认为其是一个不变的形体,可以严格定义刚体如下:刚体(原创 2024-05-10 15:04:39 · 1017 阅读 · 0 评论 -
【Math】重要性采样 Importance sample推导【附带Python实现】
越来越逼近0.6,但是经过重要性采样,结果越来越逼近0,符合期望。被称为重要性权重,那么通过这个重要性权重,我们就可以在概率分布。,我们如何通过这个易于获得的概率分布来计算在概率分布。是服从连续的概率分布,并且我们在概率密度函数。是服从离散的概率分布,并且我们在概率分布。然后我们使用大量的离散采样来估计连续的期望。通过重要性采样,我们便可以通过在概率分布。来进行期望的计算,随着样本数的增多,期望。,我们的目标是计算该随机变量的期望。下,有一致同分布的采样。下,有一致同分布的采样。下的采样来计算在概率分布。原创 2024-01-02 18:43:24 · 1294 阅读 · 2 评论 -
【Math】先验分布、后验分布、贝叶斯公式 (Prior Distribution Posterior Distribution and Bayesian Formula)
在了解了条件概率之后,来推导贝叶斯公式(Bayesian Formula),对于条件概率。是决定样本分布的参数(可以理解为原因),其中各个量的理解如下。的后验分布,它集中了总体、样本和先验等三种信息有关。为了进行贝叶斯公式的简单推导,在推导之前先介绍。的认识,之间的差异是由于样本的出现后对。可以看作用总体信息和样本信息对先验分布。发生的条件下发生的概率可以记为,被称为样本(可以理解为结果),认识的一种调整,所以后验分布。可以将上述贝叶斯进行改写,原创 2023-12-06 15:36:39 · 226 阅读 · 0 评论 -
【Math】高斯分布的乘积 Product of Gaussian Distribution【附带Python实现】
高斯分布的乘积原创 2023-12-05 17:20:18 · 376 阅读 · 0 评论 -
【数学】基本代数图论 Basic Algebraic Graph Theory
拉普拉斯矩阵 Laplacian Matrix的定义是。入度矩阵in-degree matrix。三者基本的关系可以由上图表示。原创 2023-03-20 15:01:16 · 815 阅读 · 0 评论 -
【凸优化】Gradient Descent and Newton Descent【梯度下降法和牛顿下降法】(含Python代码绘制等高线图)
首先介绍什么是下降法【Descent Methods】,下降法就是求解无约束优化问题的一种基本方法。,经过迭代(如果没有达到迭代终止条件,则迭代完指定次数),经过这样迭代的搜索最终寻找到最终值。梯度下降法【Gradient Descent】绘制的等高线图如下所示。接下来,介绍什么是梯度下降法【Gradient Descent】牛顿下降法【Newton Descent】绘制的等高线图如下所示。牛顿下降法也是在下降法的基础上进行了更改,将下降的方向更改为。梯度下降法只是在下降法的基础上,将下降的方向。原创 2023-01-08 23:03:03 · 919 阅读 · 0 评论 -
【数学】相似对角化和约旦标准型求法(附带Matlab代码)
对角型 Diagonal FormA约旦标准型Jordan FormA。原创 2022-11-06 22:27:11 · 3747 阅读 · 0 评论 -
希腊字符的发音
简要介绍了一些常见希腊字符的发音原创 2022-08-11 11:09:38 · 711 阅读 · 0 评论