车辆动力学及控制_算法科普——运动学LMPC和动力学LMPC之间的区别与联系

本文科普了LMPC在车辆动力学及控制中的应用,对比了两种运动学层面的LMPC控制器和一种动力学层面的LMPC控制器。运动学模型通常基于当前误差预测未来误差,而动力学模型能预测未来状态,避免预测失真,但线性化假设可能影响长时预测的准确性。
摘要由CSDN通过智能技术生成

在上一期算法科普中,笔者介绍了LMPC的前世今生。

详见:

白国星,公众号:Path Tracking Letters车辆路径跟踪控制方法系列:LMPC的前世今生

不过上一期内容,并未深入介绍LMPC的各种分支,因此本期将主要介绍两种运动学层面的LMPC控制器和一种动力学层面的LMPC控制器。

一种常见的运动学层面的LMPC控制器的预测模型是直接对运动学模型作雅克比线性化,如[1]中:

660fd79cf8e0c0d1303b4bf07d5232d1.png

基于这种模型的代码可见:

白国星,公众号:Path Tracking Letters代码详解——《无人驾驶车辆模型预测控制》3.3.3代码详解

以及:

白国星,公众号:Path Tracking Letters代码详解——S-Function模块(三)

另一种运动学层面的LMPC的预测模型则是通过对车辆或移动机器人的运动学模型进行几何推导获得,如[2]中为:

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值