高能阿博特的博客

温馨提示：在阅读本文之前，读者最好具有一定的的相关知识，可以阅读笔者的另一篇博客中的第1节来了解。

因此，由(3–1)得到的通解(3–2–1)所表示的动态过程也被称为“，即式(3)等号右边为0、式(3–1)的情况。对比式(3)和式(3–1)，不难发现，(3–1)是(3)将等号右边项置零得到的，即。上述分析表明：一个函数直接进行拉氏变换得到的复平面表达式，和其先进行泰勒展开后进行拉氏变换得到的复平面表达式，是相同的。将泰勒展开应用在函数线性化中时，只取线性化的第一项，后面的高阶项全部用高阶小量表示。容易看出，式(3–4)和式(3–2)具有相同的形式，因此同样可以得到通解(3–2–1)。

介绍了Kalman-Bucy滤波器的数学推导过程

简单介绍了阿克曼公式的计算方法。

本文只介绍计算方法，并不涉及计算原理。

1. 状态转移矩阵的计算方法；2. 离散化系统的状态转移矩阵的计算方法

给出了simulink选择求解器的一种tip，与积分初值有关。

本文介绍了扩张状态观测器的相关内容。

本文介绍了超螺旋滑模控制理论的基本内容，并进行了详尽推导。

本文在固定翼飞机姿态角数学建模的基础上，给出了姿态角的Backstepping反步法控制算法及仿真结果。

Derivative of state '1' in block 'X/Y/Integrator' at time 0.55 is not finite.问题解决方法

本文基于反步法backstepping控制算法简要讲述了自适应算法，附上了详尽的推导过程。

MATLAB使用LMI对二阶系统进行H无穷控制1. 二阶系统建立2. 二阶系统实现3. MATLAB代码本文需要对LMI理论和H无穷控制理论具有一定的了解。1. 二阶系统建立建立一个二阶系统A=[12−23]A = \left[\begin{matrix}1 & 2 \\-2 & 3\end{matrix}\right]A=[1−2​23​]B1=[10],B2=[01]B_1 = \left[\begin{matrix}1 \\0\end{matrix}

A*搜索算法简介及保姆级代码解读1. A*算法简单介绍1.1 A*算法理论基础1.1.1 节点计算1.1.2 由计算得出的小结论1.2 算法逻辑结构2. 代码解析2.1 引入地图2.2 预处理2.3 定义父节点`parent`2.4 主循环1. A*算法简单介绍A*算法是一种路径规划算法，和传统的Dijkstra算法有所不同，该算法有选择地进行节点搜索，因此比Dijkstra算法更快、搜索的点更少。阅读本文，不需要掌握Dijkstra算法的知识，相关的知识会在介绍A*算法时一并提到，请放心食用本文。

粒子群算法PSO1. 粒子群算法2. 算法流程2.1 公式解读2.2 初始化2.3 计算流程2.4 示例1. 粒子群算法粒子群算法（Particle Swarm Optimization）是一种优化算法，其主要思想受到自然界鸟群飞行的启发。对一群鸟群来说，其群体觅食行为呈现一定规律：单只鸟并不知道食物地在哪里，但可以通过飞行中对食物的远离程度来纠正自己的飞行。体现在单只鸟上可能并不明显，但当鸟群数量多起来之后，就可以利用鸟群数量弥补单只鸟搜索能力的不足，逐渐逼近最优值。而在这个过程中，整个系统还需要满