近期的总结

写在前面：

对于我的课题而言，各种滤波算法是为了得到状态估计量z1、z2、z3，然后得到线性控制量v（是以状态反馈的形式控制的（因为针对非线性模型没有好的控制方法，所以进行反馈线性化。而对于线性模型，反馈控制是比较常用的）），以此得到非线性控制量u来控制非线性模型。

1、经典控制理论 ——> 现代控制理论（比如自适应控制） ——> 智能控制理论（比如模糊控制）

  自适应控制用在线性、非线性系统都可以。具体到我的课题，现在研究的AKF是否适合用于非线性模型状态估计？答案是肯定的。但不是简单的应用，因为KF不能直接用到非线性系统模型上。在这里是先用KF/AKF得到线性的状态量，在得到线性控制率v，再根据v与u的关系得到非线性控制率u，代入非线性系统模型，最终估计出非线性系统模型的状态量。AEKF、AUKF、ADDF都是自适应非线性卡尔曼滤波。

2、运动控制设计有两个基本问题：运动规划和控制算法。

运动规划是在给定的路径端点之间插入用于控制的中间点序列，从而实现沿给定的平稳运动；运动控制则是主要解决如何控制目标系统准确跟踪指令轨迹的问题。即对于给定的指令轨迹，选择适合的控制算法和参数，产生输出，控制目标实时、准确的跟踪给定的指令轨迹。

3、三维控制方法分为有模型控制（用那个六维的系统模型）和无模型控制（例如流型控制）。

4、过程噪声：由于系统存在不确定性，输入一个量，不一定按照模型走；量测噪声：传感器、双目相机等等的不确定性。

5、在孔师兄的文章中，他的仿真图像分为两大类：不加噪声和加噪声。所谓不加噪声是指：测量值y=C*x或y=C*z去掉了加在后面的测量噪声，以及把另一个方程的过程噪声也去掉了。但是在涉及到kalman filter的地方，比如LQG、EKF、UKF中递推的算法中还是要有噪声的，不能把它们去掉或置零。因为kalman filter是用噪声驱动的。

6、在EKF中，非线性方程需要在平衡点泰勒展开以得到局部线性化模型。这个局部线性化是专门为EKF做的，只能用在EKF上。

 

   

 

 

运动控制设计两用的控个基本问题：一是运动规划；二是控制算法，运动规，划是在给定的路径端点之间插入用于控制的中间点序列从而实现沿给定的平稳运动。运动控制则是主要解决如何控制目标系统准确跟踪指令轨迹的问题。即对于给定的指令轨迹，选择适合的控制算法和参数，产生输出，控制目标实时，准确地跟踪给定的指令