欢迎学习《自动驾驶汽车全方位跟踪控制系统建模、预测控制和Python建模视频教程》,你将学习自动驾驶汽车实现中的核心内容:系统建模 + 状态空间系统 + 模型预测控制 + MPC 约束 + Python 模拟。
MP4 | 视频:h264,1280×720 | 音频:AAC,44.1 KHz,2 Ch
类型:电子学习 | 语言:英语+srt | 持续时间:112 次讲座 (13h 33m) | 大小:5.6 GB
您将学到:
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其状态空间形式
掌握和应用线性使用线性参数变化 (LPV) 公式对非线性系统进行
模型预测控制 (MPC) 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
要求
基本微积分:函数、导数、积分
矢量矩阵乘法
Udemy课程:应用控制系统 1:自动驾驶汽车(数学 + PID + MPC)
描述
您如何使自动驾驶汽车在 2D 平面上跟踪一般轨迹,以及您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其现实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方面的直觉、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)算法只允许自动驾驶汽车在直路上变道。我们应用小角度近似将我们的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您的系统保持在合理的值内。