Maxswordsman

最优控制-LQR轨迹追踪-Drcan-4一、目标误差控制1.建模 2.编程实现LQR_Test_tracking_E_offset_MSD.m 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120%% 将轨迹追踪问题转换为 LQR问题%% 程序初始化，清空工作空间，缓存clear all;close all;clc;%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 定义系统参数m_sys = 1;% 定义阻尼系数b_sys = 0.5;% 定义弹簧弹性系数k_sys = 1;%% %%%%%%%% ...

最优控制-LQR-drcan-3一、理论知识视频教程链接：drcan老师 LQR的全称是线性二次型调节器（Linear Quadratic Regulator）Linear线性，指的是LQR需要一个线性模型，这个模型通常用一组动态方程和输出方程描述系统。如果一个系统满足线性定理，那么它所遵循的动态可以表示为线性方程。其中，“线性”一词指的是，当每个输入变量与某个参数按比例变化时，输出变量也会相应按比例变化 Quadratic二次，是指二次代价函数的意思。在LQR控制的过程中，通过设计一个二次型的代价函数来描述控制系统的性能指标，并通过最小化该二次型代价函数来实现系统的优化调节。 LQR不是一种控制器？PID（比例-积分-微分）控制器是一种经典的反馈控制器，它本身就是一种控制器。而LQR（线性二次型调节）是进行最优控制设计的一种方法，在其中，我们需要使用数学工具帮助我们计算出一个反馈矩阵来实现最优的状态反馈控制 龙胆也老师知乎 二、编程实现1.Code 1–迭代方法通过对模型进行建模，得到反馈增益矩阵，编程实现控制过程 LQR_Gain.m 1234567891011121 ...

最优控制-动态规划-drcan-2视频教程–drcan老师 采用逆向分级的方法编写代码，进行求解 Dynamic_program_1.m 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071clc;clear all;close all;% 初始状态h_init = 0;v_init = 0;% 目标状态h_final = 10;v_final = 0;% 约束条件 速度--加速度h_min = 0;h_max = 10;N_h = 5; % 按照2米一个间隔，将10m分为5个间隔v_min = 0;v_max = 3;N_v = 3; % 将速度分为 0-1-2-3，三个间隔% 创建状态数组Hd = h_min:(h_max - h_min)/N_h:h_max; % 高度 0-2-4-6-8-10Vd = v_min:(v_max-v_min)/N_v: ...

最优控制与性能指标-drcan-1视频教程-drcan老师 最优控制的实质:找到容许控制律，使得系统从初始状态转移到目标状态，并且某些性能指标达到极值。

Tensor数据转换为稀疏矩阵一、稀疏矩阵原文链接 常用的稀疏矩阵存储格式有COO，CSR/CSC，LIL 1.COOCOO(Coordinate format )是最为简单的格式，以三元组的形式存储稀疏矩阵。记录矩阵中非零元素的数值和所在的行序号和列序号。形式为（行号，列号，数值）。这种存储方式的主要优点是灵活、简单。但是缺点是不可以直接进行矩阵的相关运算 2.CSR/CSCCSR（Compressed Sparse Row）格式实现了用于存储二维张量的 CSR 格式。尽管不支持 N 维张量，但与 COO 格式相比的主要优势是更好地利用存储和更快的计算操作。目前尚不存在 CUDA 支持 3.LILLIL (List-of-List) 每行存储一个列表，每个条目包含列索引和值。通常，这些条目按列索引进行排序，以便更快地查找 4.稀疏矩阵的处理Pytorch中，处理稀疏矩阵的有效工具torch.sparse。Torch 支持 COO(rdinate) 格式的稀疏张量，可以有效地存储和处理大多数元素为零的张量 二、Tensor数据转换为稀疏矩阵1.torch. ...