应用控制系统 2：自动驾驶汽车（360 度跟踪）
系统建模+状态空间系统+模型预测控制+MPC约束+Python仿真：自动驾驶汽车
讲师：Mark Misin Engineering Ltd
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你会学到什么
- 修正线性时不变 (LTI) 系统的模型预测控制
- 使用自行车模型在 2D XY 平面上对自动驾驶汽车进行数学建模
- 从车辆的运动方程到它的状态空间形式
- 使用线性参数变化 (LPV) 公式掌握线性模型预测控制 (MPC) 并将其应用于非线性系统
- 掌握并将模型预测控制 (MPC) 约束应用于自动驾驶汽车
- 在 Python 中模拟自动驾驶汽车的控制回路，包括模型预测控制 (MPC) 控制器及其约束
本课程包括：
- 13.5 小时点播视频
- 5 篇文章
- 3 个可下载资源
- 终身访问
- 在手机和电视上访问
要求
- 基本微积分：函数、导数、积分
- 向量矩阵乘法
- Udemy 课程：应用控制系统 1：自动驾驶汽车（数学 + PID + MPC）
描述
如何让自动驾驶汽车在 2D 平面上跟踪一般轨迹，以及如何确保自动驾驶汽车的速度、加速度和方向盘角度保持在实际的最小值和最大值内？
我的名字叫马克。我是一名航空航天和机器人工程师，在本课程中，我将为您提供所有这些的直觉、数学和 Python 实现。
本课程是“应用控制系统 1：自动驾驶汽车：数学 + PID + MPC”课程的直接延续。在之前的课程中，模型预测控制 (MPC) 算法仅允许自动驾驶汽车在直路上变道。我们应用小角度近似将非线性模型转换为线性时不变 (LTI)。它使我们的生活更轻松，但也限制了我们的模型预测控制算法。
然而，在本课程中，我们将消除这种简化，我将向您展示如何通过首先将线性 MPC 控制器置于线性参数变化形式来将其应用于非线性系统。使用这种非常流行的技术，您的汽车将能够跟踪一般的 2D 轨迹。
此外，您还将学习如何使用 qpsolvers 和 quadprog 等二次求解器将 MPC 约束应用于自动驾驶汽车。在大多数控制问题中，您必须考虑约束以将系统保持在合理的值范围内。
您从本课程中获得的知识是通用的，可以应用于控制系统工程中的许多系统。
看看我的一些免费预览视频，如果您喜欢您所看到的，那么现在就注册，让我们开始吧。
希望能在里面见到你！
本课程适合谁：
- 理工科学生
- 在职科学家和工程师
- 控制工程爱好者
声明：口袋资源网（koudaizy.com）提供的所有课程、素材等资源全部来源于互联网，赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持，从本站下载资源，说明你已同意本条款。
