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

课程英文名:Applied Control Systems 2 autonomous cars (360 tracking)

此视频教程共5.87GB,中英双语字幕,画质清晰无水印,源码附件全

课程地址:https://xueshu.fun/1512
演示地址:https://www.udemy.com/course/applied-control-systems-2-autonomous-cars-360-tracking/

课程内容

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