控制理论
文章平均质量分 84
expectmorata
这个作者很懒,什么都没留下…
展开
-
Underactuated Robotics lecture 4 笔记 --- Dynamic programming
7 Introductionunderactuated robotics的第4,5,6章节是足式机器人建模和如何处理模型不确定性,因为对足式机器人的接触很少,先将这三个章节跳过去。先继续关注控制,规划和模型辨识。7.1 Formulating control design as an optimization最优控制是非常通用的框架,适用于各种机器人系统,通过构建goal 和constraints, 描述非常复杂的目标行为。最基础的想法是:控制的goal 是long-term scalar cos原创 2021-12-23 23:32:03 · 698 阅读 · 0 评论 -
Advanced PID Control chapter 1 -- Introductiton
1.Introduction最近在梳理控制系统知识的时候发现一本经典PID教程[1], 《Advanced PID Control》。将教材里的内容梳理一遍,看看能不能有所收获吧。作者强调这本书的主要目标通过向读者提供技术背景,帮助大家更好的理解PID,进而理解其他更复杂控制器在现代工业中的使用和拓展。1.1. 反馈系统系统中存在外部扰动、模型时变、跟踪指标,这些需要借助反馈控制实现。1.2 PID组成P={Ke(t)当前的误差Ki∫0te(t)dt过去的累计误差Kdde(t)dt线性插值预测未原创 2021-09-12 16:58:20 · 919 阅读 · 1 评论 -
Matlab MPC toolbox tutorial 2
1.IntroductionMPC算法本身非常容易理解,关键在于如何将工程中的物理对象转换成合适的数学模型。2.MPC Design2.1时间参数系统有控制3.Applications3.1倒立摆模型原创 2020-07-31 19:36:40 · 1343 阅读 · 4 评论 -
Matlab MPC toolbox tutorial 1
1.IntroductionMPC的基础原理并不复杂,在深入原理之前,借用Matlab MPC toolbox熟悉MPC控制架构。2. MPC Designer2.1 流程以matlab cstr(continuous stirred-tank reactor)[1]为例。反应外界环境的温度Tc是输入控制量,输入液体浓度CAiC_{Ai}CAi可能有一定的波动(并且没有办法去测量);水箱中的温度T是可观测的输出量,CAC_ACA是无法观测的输出量;并且水箱温度T和CAC_ACA也是状态变量。原创 2020-07-27 16:07:01 · 3583 阅读 · 6 评论 -
Kalman and Bayesian Filters in Python 2---- linear kalman filter applications
1. Introduction在第一个部分我们已经建立了多变量卡尔曼滤波的基础公式,但是遗留了一些问题。1.predict和update对均值和方差是如何影响的?从几何上如何显示的?\color{red}{1.predict 和 update 对均值和方差是如何影响的?从几何上如何显示的?}1.predict和update对均值和方差是如何影响的?从几何上如何显示的?2.测量的时候只有pos,是如何预测出隐藏变量速度的。\color{red}{2.测量的时候只有pos,是如何预测出隐藏变量速度的。}原创 2020-07-08 17:46:17 · 328 阅读 · 0 评论 -
Kalman and Bayesian Filters in Python 1---- linear kalman filter
1.Introduction本系列翻译原创 2020-06-30 22:22:21 · 646 阅读 · 0 评论 -
读书笔记----fuzzy control and identification 1
introduction最近在做一个非线性控制系统的项目,搞得很崩溃,读一本fuzzy control[1]的书,然后打算用matlab fuzzy logic toolbox实践一下。book contentchapter1: introductionfuzzy system作者并没有给出fuzzy system的定义,强调人在决策时,根据rules,在某种情形下,平衡各种情况,最终给...原创 2019-12-30 12:44:59 · 594 阅读 · 0 评论