- 博客(6)
- 收藏
- 关注
RSS订阅原创 ACADOS学习（2）
ACADOS学习（2）这一篇将介绍如果在C/C++环境下配置和使用ACADOS。官网的方法是使用MATLAB来配置和生成C代码，因为本人不是很喜欢用MATLAB，所以这里展示如何使用Python生成的代码后用C++来实现。这个可能不是最佳的实现方法，欢迎大家讨论。代码介绍首先，我们仍然需要Python作为前端生成c代码，具体内容详见ACADOS学习（1）。在执行Python代码后，会自动生成c代码，默认会在一个c_generated_code的文件夹中。在我的GitHub中，提供了一个简易的c++实现
2021-03-24 22:59:17
1498
1
原创 ACADOS学习（1）
ACADOS学习（1）前言ACADOS配置问题Python实现小车模型欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入前言继之前介绍了CasADi的简单使用后，我收到了很多朋友的私信，其中有
2021-03-19 07:36:34
3810
10
原创 CasADi学习(3)
文章目录Multi-Shooting不同版本对比MXStructureOpti上一篇文章用最为基本SX来构建Single-Shooting解决MPC问题的方法。这篇最开始会简单讲解一下Mult-Shooting的不同之处，并且用其他的结构实现同样的问题。Multi-Shooting如上节对比图中所示，multi-shooting对状态也进行离散。这里不对方法进行过多展开，只介绍一下代码上的区别之处。具体完整的代码详见MPC/sim_2_mpc_mul_shooting.py代码。if __name_
2020-06-22 22:46:50
4466
11
原创 CasADi学习(2)
文章目录运动学模型优化目标Single Shooting vs Multi-ShootingLet's code从本节开始，会以Mohamed W. Mehrez[1]所提供的问题为基础，用Python来实现模型预测控制（MPC)和滚动时域估计（MHE）。运动学模型既然是基于模型的优化问题，那么首先简单地对所研究对象的运动学模型进行介绍。本示例使用常见的差分小车模型，其坐标转换关系如下图所示。对于这样一个在平面运动的模型，我们只需要使用三个坐标系即可描述小车在平面中的状态，即x=[x,y,θ]T\
2020-06-19 17:41:35
8417
19
原创 CasADi学习(1)
这里写自定义目录标题CasADi一些补充说明版权问题环境配置代码不同版本问题运行速度预留链接CasADi正如官网介绍，CasADi提供了一种高效的开源优化问题解决方案，非常适用于解决非线性优化问题（nonlinear optimization）和实现自动微分（algorithmic differentiation）。相较于其他的优化库，例如ACADO和GRAMPC，在提供了标准的C/C++和MATLAB支持外，其还提供了目前较为热门的Python API，使得Python用户也能够方便快捷地解决非线性优
2020-06-16 17:39:35
6487
5
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人