运动控制
文章平均质量分 96
本专栏聚焦运动控制技术,深入探讨PID控制、ADRC控制、LQR控制、MPC控制、滑模控制等算法,分享运动控制器的设计与应用。旨在帮助工程师和爱好者掌握运动控制原理,解决实际问题,推动移动机器人技术的进步。内容丰富,理论与实践相结合,助你成为运动控制领域的行业专家。
清流君
985电子信息硕士、CSDN移动机器人领域创作者,致力于分享机器人技术的点点滴滴。
在这里,知识与趣味并存,技术与应用交织。
无论您是学习交流、寻求商务合作,还是期待粉丝福利,我都将竭诚为您提供帮助。
始终相信,即使经历一万次挑战,梦想依旧闪耀。
我在这里,等待与您共同探索智能机器人的未来。
联系方式:VX:liu18832162500
让我们携手共创美好明天!
展开
-
【自动驾驶】控制算法(一)绪论与前期准备
各位小伙伴们大家好,本篇博客开一个新的系列,自动驾驶控制算法。内容整理自 B站知名up主 忠厚老实的老王 的视频,作为博主的学习笔记,分享给大家共同学习。 自动驾驶是比较新、也比较火的技术,这个系列介绍自动驾驶关于控制方面的算法。 在开启这一系列的介绍之前,要先提醒大家一句:请以审慎批判和怀疑的眼光审视目前市面上所有关于自动驾驶技术方面的书籍、教程、文献以及论文。其原因在于,新兴技术往往伴随着模糊性和争议性。自动驾驶技术,作为一项相对较新的领域,自然也不例外。原创 2024-08-18 07:00:00 · 1394 阅读 · 0 评论 -
【自动驾驶】控制算法(二)三大坐标系与车辆运动学模型
本篇博客详细介绍了自动驾驶控制算法的基础知识,内容整理自 B站知名up主 忠厚老实的老王,讨论了车辆控制的基本原理,包括纵向控制和横向控制,以及控制算法与路径规划的关系。在博客中,重点介绍了三种关键的坐标系:绝对坐标系、车身坐标系和自然坐标系。这些坐标系对于理解横向控制原理至关重要,因为它们能够描述车辆相对于道路曲线的姿态和运动。同时,博客还探讨了如何通过自行车模型来简化车辆动力学分析,以及如何根据几何关系和牛顿力学建立运动学模型和动力学模型。原创 2024-08-18 22:51:03 · 843 阅读 · 0 评论 -
【自动驾驶】控制算法(三)轮胎侧偏与车辆动力学模型
本篇博客是 自动驾驶控制算法 系列的第三节。内容整理自 B站知名up主 忠厚老实的老王 的视频,作为博主的学习笔记,分享给大家共同学习。 本系列博客的第二节介绍了车辆的自行车模型,推导出了运动学方程,并且定义了一系列物理量,比如横摆角 φ、质心侧边角 β 以及三大坐标系。 【自动驾驶】控制算法(二)三大坐标系与车辆运动学模型 理论上来说,有了运动学方程就可以做相应的控制算法。像龚建伟的《无人驾驶车辆模型预测控制》这本书里专门有一章讲以运动学模型作为基础原创 2024-08-20 22:15:22 · 1687 阅读 · 0 评论 -
【自动驾驶】控制算法(四)坐标变换与横向误差微分方程
本篇博客是自动驾驶控制算法系列的第四节,这一节是本系列课程的核心内容。内容整理自B站知名up主忠厚老实的老王的视频,作为博主的学习笔记,分享给大家共同学习。🚗 微分方程与规划轨迹是控制的核心,因为控制的目的就是让车按照规划的轨迹形式。比如,在绝对坐标系上规划一条轨迹,在这条轨迹上取一些离散点作为参考点,运动控制的目标是通过控制方向盘,让真实车辆的位置、速度以及航向角尽可能接近规划的位置、速度、航向角。📊 误差微分方程的推导是本节的重要内容。原创 2024-08-25 07:00:00 · 938 阅读 · 0 评论 -
【自动驾驶】控制算法(五)连续方程离散化与离散LQR原理
本篇博客是自动驾驶控制算法系列的第五节,内容整理自B站知名up主 忠厚老实的老王 的视频,作为博主的学习笔记,分享给大家共同学习。在上一节,我们综合了坐标变换和车辆动力学模型,得到了关于误差的微分方程。现在,我们将重点放在离散LQR算法上,探讨如何实现连续微分方程的离散化,并求解使得代价函数在约束条件下的极小值。首先,我们介绍了连续微分方程的离散化方法,包括向前欧拉法、向后欧拉法和中点欧拉法。然后,我们讨论了离散LQR问题,包括代价函数的构建和约束条件的应用。接下来,我们利用拉格朗日乘子法处理约束条件原创 2024-08-25 18:50:41 · 1227 阅读 · 0 评论 -
【自动驾驶】控制算法(六)前馈控制与航向误差
本篇博客是 自动驾驶控制算法 系列的第六节。内容整理自 B站知名up主 忠厚老实的老王 的视频,作为博主的学习笔记,分享给大家共同学习。 各位小伙伴们大家好,本节博客讲解前馈控制与航向误差。在上一节介绍了离散 LQR 以及连续 LQR,分别对应离散系统和连续系统。 LQR 的核心就是求黎卡提方程的 P,求出来之后就可以算出最优控制 u=−kx。原创 2024-08-27 23:03:33 · 1692 阅读 · 1 评论 -
【自动驾驶】控制算法(七)离散规划轨迹的误差计算
本篇博客是 自动驾驶控制算法 系列的第七节。内容整理自 B站知名up主 忠厚老实的老王 的视频,作为博主的学习笔记,分享给大家共同学习。 本节博客讲解离散轨迹的误差计算,是理论部分中的最后一节,如果看完了前七节,可以自己尝试搭建横向控制模型,因为横向控制所需要的知识和理论,以及存在的障碍,都讲明白了,大家可以自己尝试搭建相关理论模型,编写代码。原创 2024-09-04 12:45:17 · 1120 阅读 · 0 评论 -
【自动驾驶】控制算法(八)横向控制Ⅰ | 算法与流程
本篇博客是 自动驾驶控制算法 系列的第八节第Ⅰ部分。内容整理自 B站知名up主 忠厚老实的老王 的视频,作为博主的学习笔记,分享给大家共同学习。 本节内容是整个横向控制的核心,要把前七节所有内容都用在第八节上。第八节分四小节,本小节讲解具体算法,下一小节讲解模型搭建和代码编程,再下一小节讲解代码优化、注意事项以及仿真结果。 算法这一讲可以说是整个第八节的核心所在。写代码、做仿真的来源是算法,有了具体算法后,无论用什么平台仿真,用什么语言编写程序,都是水到渠成的事情。只要照着算法编程逻辑是十分清晰原创 2024-09-04 23:20:57 · 1255 阅读 · 3 评论 -
【自动驾驶】控制算法(八)横向控制Ⅱ | Carsim 与 Matlab 联合仿真基本操作
本篇博客详细介绍了如何使用Carsim和Matlab进行联合仿真。首先,确保Carsim的安装路径和数据库路径正确设置,这对于后续操作至关重要。在Carsim中,可以选择不同的车辆模型,并查看其基本信息和性能参数,例如质量、惯量等。在Carsim中,还可以调整车辆的轮胎类型,这会影响轮胎的侧偏刚度。轮胎的侧偏刚度是通过侧偏力和侧偏角的关系曲线来计算的,其中侧偏刚度是曲线在小侧偏角下的斜率,且应为负值。原创 2024-09-07 21:36:07 · 1653 阅读 · 0 评论 -
【自动驾驶】控制算法(八)横向控制Ⅲ | 代码与模型
本节博客详细介绍了自动驾驶控制算法的建模过程,涵盖了从Carsim设置到模型搭建的各个方面。通过配置Carsim软件,获取整车参数并计算侧偏刚度,为后续的控制算法提供基础数据。 通过编写路径规划代码,生成所需的轨迹信息。在Matlab中,搭建了控制模型的各个模块,包括预测模块、误差和曲率计算模块、AB模块和LQR模块、前馈控制模块等。 最后,将模型整合并进行了仿真测试,展示了控制算法对规划轨迹的跟踪效果。 大家不妨在这一节照着思路把模型搭好,在下一节就会告诉各位怎么调模型,使其更平顺。原创 2024-09-08 09:39:33 · 1082 阅读 · 0 评论 -
【自动驾驶】控制算法(八)横向控制Ⅳ | 调试与优化
本篇博客讲解了横向控制算法的优化,重点关注了进阶横向控制与基础横向控制之间的差异,以及如何通过卡尔曼滤波等方法解决实际问题。总结了道路坡度、风阻、识别问题和车辆质量变化对横向控制的影响,并探讨了如何使用样条曲线插值和调整LQR参数来改善转角平滑度和减少突变现象。 通过这些改进,我们发现即使在规划点稀疏的情况下,算法性能依然可以保持,也强调了规划点不能过于稀疏的重要性,因为过于稀疏的规划会导致车辆偏离预定轨迹,甚至出现异常行为。原创 2024-09-16 08:00:00 · 907 阅读 · 1 评论 -
【MPC】模型预测控制 | 基于运动学模型的车辆轨迹跟踪控制器设计(Python实现)【超详细】
本篇博客使用Python代码详细应用MPC进行车辆运动控制器设计。 MPC通过构建一个数学模型来预测系统的未来行为,并使用这个模型来优化控制输入,以达到特定的性能指标。本文从运动学模型角度出发,利用MPC算法设计具有轨迹跟踪功能的控制器,在给定期望轨迹点的情况下,完成对期望轨迹的跟踪控制。使用Python语言编写程序,对所设计的控制器进行仿真验证。本文将理论与实践相结合,在介绍完轨迹跟踪控制器的理论算法后,通过实例进一步加深对理论的认知。原创 2024-08-07 10:58:43 · 1119 阅读 · 0 评论 -
【MPC】模型预测控制 | 在移动机器人运动规划中的应用(一)算法基础与常用工具
本篇博客详细介绍了模型预测控制(MPC)的基础知识和常见算法,包括线性MPC和非线性MPC的区别,模型预测控制的三大核心要点,目标函数,四大约束条件,参数空间的引入和意义,以及模型预测控制的经典描述。博客还探讨了模型预测控制算法的改进,包括传统MPC的问题和Tube-based MPC的解决方案。最后,博客介绍了有关MPC的资料与工具,如Matlab MPC toolbox、μAO-MPC、Acado toolkit、YANE和Multi-Parametric Toolbox 3等。原创 2024-08-08 09:55:24 · 1209 阅读 · 0 评论 -
【MPC】模型预测控制 | 在移动机器人运动规划中的应用(二)线性MPC
本文主要介绍了模型预测控制(MPC)的基本框架和关键步骤。首先,文章详细阐述了MPC的预测模型,包括系统的连续模型和离散化状态方程。接着,介绍了如何建立问题模型,包括目标函数的构建和约束条件的设定。然后,通过示例程序展示了如何使用MATLAB进行MPC的计算。最后,文章讨论了模型约束,包括硬约束和软约束,并给出了相应的示例程序。整体上,本文深入浅出地介绍了MPC的基本概念和实际应用,适合对MPC感兴趣的读者。原创 2024-08-08 23:41:37 · 1442 阅读 · 0 评论 -
【MPC】模型预测控制 | 在车辆控制中的应用(一)曲线坐标车辆模型
MPC 的作用是在有限时域内,对车辆轨迹不断迭代优化,并产生相应的轨迹追踪控制信号,每当收到新的反馈,就需要基于MPC进行新的优化,保证优化的实时性;好的模型会让 MPC 生成高质量的预测状态从而保证准确性和有效性;构建的约束会对提高优化解的安全性;目标函数可以更好选取需要优化的量,从而最大限度保证车辆达到预期行驶的方向和轨迹追踪。原创 2024-08-11 07:00:00 · 602 阅读 · 0 评论 -
【MPC】模型预测控制 | 在车辆控制中的应用(二)目标函数构建
本文将探讨如何构建目标函数,以有针对性地优化车辆的运动行为。目标函数是优化控制中的核心概念,明确地表达了优化的目的以及期望车辆的行为。原创 2024-08-12 21:00:01 · 998 阅读 · 0 评论 -
【MPC】模型预测控制 | 在车辆控制中的应用(三)不等式约束和松弛因子
本篇博客详细介绍了自动驾驶车辆控制中MPC约束的构建和松弛因子的考量。首先,我们讨论了不等式约束的构建,包括安全距离约束、速度约束、横向约束、加速度约束和转向角速度约束。接着,我们对每个约束进行了详细的讲解,并讨论了如何构建横向空间约束、速度约束和加速度约束。最后,我们构建了完整的MPC车辆控制约束,并总结了MPC的目标函数、约束条件以及如何通过优化控制序列来达到优化控制的目的。这篇博客旨在帮助读者更好地理解MPC在自动驾驶车辆控制中的应用,并提供了详细的理论和实践指导。原创 2024-08-12 23:26:17 · 1116 阅读 · 0 评论 -
【MPC】模型预测控制 | 在车辆控制中的应用(四)主流求解器及MPC加速
本篇博客详细介绍了模型预测控制(MPC)的求解器及其加速方法。首先,我们讨论了MPC的主流求解器,包括线性和非线性MPC的求解器。接着,我们探讨了如何提高MPC的计算速度,包括减少模型阶数、缩短预测时长、减少约束和降低精确度要求等方法。然后,我们深入了解了显式模型预测控制(Explicit MPC),它通过将一部分优化问题从在线处理转变为离线处理,实现了对在线计算速度的提升。此外,我们还讨论了KKT条件在凸优化中的重要性,并证明了MPC的解实际上是分段线性的。最后,总结了MPC的优缺点。原创 2024-08-13 12:01:21 · 869 阅读 · 0 评论 -
【MPC】模型预测控制 | 车辆优化控制策略研究与实践
本篇文章主要研究基于模型预测控制的车辆优化控制。首先带大家了解 MPC 的基本原理,接着讨论 MPC 和传统的经典控制理论的区别,列举一个模型预测控制的实例。首先来看一下什么是模型预测控制MPC,提到它就不得都不提到下面这些名字:滚动时域控制 (Moving Horizon Control, MHC)后退时域控制 (Receding Horizon Control, RHC)动态矩阵控制 (Dynamic Matrix Control, DMC)原创 2024-08-18 18:24:57 · 1024 阅读 · 0 评论 -
【控制理论】深入理解鲁棒控制 | 滑模控制原理与应用实例解析
本篇博客主要探讨了鲁棒控制中的滑模控制原理及其应用。介绍了鲁棒控制的英文含义及其重要性,以及其在面对有界误差时的性能和稳定性。通过一个自适应控制器的例子,我们展示了在鲁棒控制中如何处理未知常数和误差。讨论了控制器设计的一般形式,并详细介绍了如何设计一个鲁棒控制器。我们引入了李亚普诺夫稳定性分析,通过数学证明展示了控制器设计如何使系统稳定。深入探讨了滑模控制原理,并给出了一个具体的例子来解释控制器如何引导系统状态滑到特定的线上。原创 2024-09-13 12:38:53 · 853 阅读 · 0 评论 -
【控制理论】深入理解鲁棒控制 | 高增益与高频率鲁棒控制器的设计与分析
本篇博客详细介绍了三种鲁棒控制器的设计原理及其稳定性分析。首先,针对系统在目标轨迹跟踪问题中,提出了误差动态响应的公式。然后,分别介绍了滑模控制、高增益鲁棒控制器和高频率鲁棒控制器的设计方法。通过数学推导,证明了这三种控制器在不确定性影响下,均能实现误差的有界控制。最后,对这三种控制器进行了总结,并指出了它们在实际应用中的优缺点。本文为控制系统设计提供了理论依据,对工程实践具有一定的指导意义。原创 2024-09-17 20:09:55 · 210 阅读 · 0 评论