Jeremy的博客

原创 无人驾驶车辆模型预测控制 - 5

原创 无人驾驶车辆模型预测控制 - 4

Q=100*eye(Nx*Np,Nx*Np); R=5*eye(Nu*Nc);Np =60;%预测步长Nc=30;%控制步长

原创 Udacity term one - decision tree

def classify(features_train, labels_train): ### import the sklearn module for GaussianNB from sklearn import tree ### create classifier clf = tree.DecisionTreeClassifier(min_samples_sp...

原创 无人驾驶车辆模型预测控制 - 3_5_3

对模型进行调整，将参考路径的圆心坐标调整为（5，1）CEN=[5,1]; 一开始追踪轨迹变为如下图，并没有跟随好；对Q、R进行调整如下：Q=[10 0 0; 0 10 0; 0 0 100];%对状态量误差的权重矩阵R=[200];%r是对控制量误差的weighting matrice再次对Q、R进行调整，观察其跟随变化：...

原创 无人驾驶车辆模型预测控制 - 3_4_3

the comparison result of Np=15 and Np=25.predict path when Np=25clc;clear all;%% 参考轨迹生成ticNx=3;%状态量个数Np=25;%预测时域Nc=2;%控制时域l=1;N=100;%参考轨迹点数量T=0.05;%采样周期Xref=zeros(Np,1);Yref=zeros(Np,...

原创 无人驾驶车辆模型预测控制-3_3_3稍加修改

修改点：源程序采用了近似处理 XOUT=dsolve('Dx-vd11*cos(z)=0','Dy-vd11*sin(z)=0','Dz-vd22=0','x(0)=X00(1)','y(0)=X00(2)','z(0)=X00(3)'); XOUT=dsolve('Dx-vd11*cos(z)=0','Dy-vd11*sin(z)=0','Dz-tan(vd22)/L*vd11=0','x...

原创 无人驾驶车辆模型预测控制-2.1.2车辆动力学模型验证

验证模型：输入：车速-t前轮偏角-t输出：1 纵向坐标-t2 航向角-tfunction [ sys,x0,str,ts ] = fun_2_1_2( t,x,u,flag )%UNTITLED2 此处显示有关此函数的摘要% 此处显示详细说明switch flag, case 0 [sys,x0,str,ts] = mdlInitializeSize...

原创 CANoe 仿真

应用：实际应用中遇到一些难以复现的case，需要将当时录取的数据重新注入至can线，以复现当时的工况，以便于相应控制器录取当时的内部变量。步骤1：使用CANoe自带工具Logging file Conversion将数据转为CSV格式。note：可以进行如下设置，根据自己需要进行选择。步骤2配置Capl test module “MyTestModule”.设置按键“a”时...