Update README
This commit is contained in:
parent
dddd61c733
commit
39abf1d655
14
README.md
14
README.md
|
@ -208,15 +208,15 @@
|
|||
|
||||
模型预测控制(MPC)是一种先进的控制策略,利用系统的显式动态模型预测有限时间范围内的未来行为。每个控制周期,MPC 通过求解优化问题来确定控制输入,以优化指定的性能指标,同时满足输入和输出的约束条件。优化序列中的第一个控制输入应用于系统,在下一个时间步中,结合新的系统状态测量或估计,重复该过程。
|
||||
|
||||
* 相关视频:
|
||||
* 相关视频:
|
||||
|
||||
- Model Predictive Control 模型预测控制,从公式到代码 - 华工机器人实验室: [bilibili](https://www.bilibili.com/video/BV1U54y1J7wh/?spm_id_from=333.999.0.0&vd_source=180b6da13847c26de9d19ac71e61c7fe); 仿真工程源码:[Gitee](https://gitee.com/clangwu/mpc_control.git) 这门课程适合作为从PID到MPC的入门课程,适合只了解PID控制原理,但不太清楚MPC原理的入门者;从公式原理推导,到CoppeliaSim仿真教程以及MatLab代码编写,深入浅出。
|
||||
- Model Predictive Control 模型预测控制,从公式到代码 - 华工机器人实验室: [bilibili](https://www.bilibili.com/video/BV1U54y1J7wh/?spm_id_from=333.999.0.0&vd_source=180b6da13847c26de9d19ac71e61c7fe); 仿真工程源码:[Gitee](https://gitee.com/clangwu/mpc_control.git) 这门课程适合作为从PID到MPC的入门课程,适合只了解PID控制原理,但不太清楚MPC原理的入门者;从公式原理推导,到CoppeliaSim仿真教程以及MatLab代码编写,深入浅出。
|
||||
|
||||
* 相关工作:
|
||||
* 相关工作:
|
||||
|
||||
- [Predictive End-Effector Control of Manipulators on Moving Platforms Under Disturbance](https://ieeexplore.ieee.org/document/9425004) : 使用时间序列分析预测基座运动并相应地转换期望轨迹,使得机械臂可以达到主动在扰动下的基座运动。是使用二次规划(QP)公式化模型预测控制(MPC)问题的经典之作。
|
||||
- [Learning-Based Model Predictive Control for Safe Exploration](https://ieeexplore.ieee.org/abstract/document/8619572) : 将机器学习与 MPC 相结合,代表了将数据驱动的模型和学习纳入控制的现代趋势。
|
||||
- [Confidence-Aware Object Capture for a Manipulator Subject to Floating-Base Disturbances](https://ieeexplore.ieee.org/document/10684104) : 利用小波神经网络进行实时运动预测,并且引入置信度评价,实现短周期内最优轨迹规划,使得机械臂在扰动平面上抓取无人机(UAV)表现优异,具备良好的鲁棒性。
|
||||
- [Predictive End-Effector Control of Manipulators on Moving Platforms Under Disturbance](https://ieeexplore.ieee.org/document/9425004) : 使用时间序列分析预测基座运动并相应地转换期望轨迹,使得机械臂可以达到主动在扰动下的基座运动。是使用二次规划(QP)公式化模型预测控制(MPC)问题的经典之作。
|
||||
- [Learning-Based Model Predictive Control for Safe Exploration](https://ieeexplore.ieee.org/abstract/document/8619572) : 将机器学习与 MPC 相结合,代表了将数据驱动的模型和学习纳入控制的现代趋势。
|
||||
- [Confidence-Aware Object Capture for a Manipulator Subject to Floating-Base Disturbances](https://ieeexplore.ieee.org/document/10684104) : 利用小波神经网络进行实时运动预测,并且引入置信度评价,实现短周期内最优轨迹规划,使得机械臂在扰动平面上抓取无人机(UAV)表现优异,具备良好的鲁棒性。
|
||||
|
||||
<section id="rl"></section>
|
||||
|
||||
|
@ -714,7 +714,7 @@ CS231n (斯坦福计算机视觉课程): [website](https://cs231n.stanford.edu/s
|
|||
* 时域与频域分析
|
||||
* 传递函数
|
||||
* 理解前馈控制、反馈控制
|
||||
* **PID控制**:[CSDN](https://blog.csdn.net/name_longming/article/details/115093338)
|
||||
* **PID控制**:[CSDN](https://blog.csdn.net/name_longming/article/details/115093338) [Bili]
|
||||
|
||||
### 4.1.2 现代控制理论(线性系统控制)
|
||||
* Modern Control Systems (14th edition), Robert. H. Bishop, Richard. C, Dorf. z: [Book](http://103.203.175.90:81/fdScript/RootOfEBooks/E%20Book%20collection%20-%202024/EEE/Modern_control_systems_Robert_H_Bishop_Richard_C_Dorf_z_lib_org.pdf#page=1.00&gsr=0)
|
||||
|
|
Loading…
Reference in New Issue