matlab矩形序列代码使用管的鲁棒模型预测控制 该存储库包含管模型预测控制（tube-MPC）[1]以及用MATLAB编写的通用模型预测控制（MPC）的示例。 要求 Optimization_Toolbox（matlab） control_toolbox（matlab） 多参数工具箱3（开源，可从以下网址免费获得） 反馈，错误报告，贡献 如果您觉得此软件包有帮助，给此存储库加一个“星号”将对我来说是一个愉快的反馈！ 如果您发现错误，或者对试管MPC有更广泛的疑问，请在中发布。 我将尽力通过电子邮件回答问题，但我强烈建议在问题页面上这样做。 对我而言，保持自己的步调容易得多。 用法 对于tube-MPC和通用MPC，请分别参见example/example_tubeMPC.m和example/example_MPC.m 。 注意，这里的每个不等式约束都表示为凸集。 例如，状态Xc的约束条件指定为矩形，该矩形由4个顶点构成。 当考虑一维输入Uc ， Uc将由最小值和最大值（即u∊[u_min, u_max] ）指定，因此将由2个顶点构造。 有关更多详细信息，请参见示例代码。 管MPC的简

Handbook of Robust Low-Rank and Sparse Matrix Decomposition

基于穷举法的机器人避障路径寻优matlab源码, 采用穷举法进行机器人避障学习及路径寻优，源码简单易学，适合初学者使用！

鲁棒控制工具箱提供了一系列的函数和工具以支持带有不确定元素的多输入多输出控制系统的设计。在该工具箱的帮助下，你可以建立带有不确定参数和动态特性的LTI模型，也可以分析MIMO系统的稳定性裕度和最坏情况下的性能。 该工具箱提供了一系列的控制器分析和综合函数，能够分析最坏情况下的性能及确定最坏情况下的参数值。利用模型降阶函数能够对复杂模型进行简化。同时提供了先进的鲁棒控制方法，如H2、H∞、LMI、μ分析等。

非线性控制经典教材，英文原版，原汁原味！做非线性控制的童鞋不可或缺的好教材！

Robust and adaptive control

% 目的：计算 OLS 并报告 Robust SE，以及 Newey-West 和 Hansen-Hodrick 调整后的异方差序列一致标准误差。 % 输入： % y = T x 1 向量，左侧变量数据％X = T xn矩阵，右手变量数据% L = 包含在 NW 校正标准误差中的滞后数% H = 包含在 HH 校正标准误差中的滞后数% %注意：如果你想要一个向量，你必须使一列 X 成为一个向量％ 不变。 ％ 输出： ％beta =回归系数1 xn系数的向量% R2 = 未调整% R2adj = 调整后的 R2 % X2(Degrees of Freedom) = : 所有系数的卡方统计量％共同为零。 % std = 更正的标准错误。 % t_ = NW 和 HH 的 t-stat %注意：对于卡方测试程序检查第一个是否为常数并忽略该常数％ 测试。 如果只有一个测试版，程序不会报告 X^

考虑不确定性的配电网经济调度问题，用列与约束算法解决。

压缩感知领域的，基于Robust-L1 的相位恢复算法。

RLMD 是一种改进的局部均值分解，由一组优化策略提供支持。 优化策略可以处理 LMD 中的边界条件、包络估计和筛选停止准则。 它从混合信号中同时提取一组单分量信号（称为乘积函数）及其相关的解调信号（即 AM 信号和 FM 信号），这是与其他自适应信号处理方法（如EMD。 RLMD 可用于时频分析。 参考： [1] 刘志良，金亚强，左铭，冯志鹏。 基于鲁棒局部均值分解的时频表示，用于多分量 AM-FM 信号分析。 机械系统和信号处理。 95: 468-487, 2017。 [2] Smith J S.局部均值分解及其在脑电感知数据中的应用[J]. 皇家学会界面杂志，2005 年，2(5)：443-454。 [3] G. Rilling、P. Flandrin 和 P. Goncalves。 关于经验模式分解及其算法。 IEEE-EURASIP 非线性信号和图像处理研讨会 NSIP-03