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