马里奥matlab代码不确定环境中的安全轨迹跟踪 该存储库包含所有Matlab代码，这些代码可生成如下所示的仿真结果 仓库结构： safe_trajectory_tracking # root ├── code # simulation code │ ├──run_all_experiments.m │ ├──utils # utility functions │ ├──vehicle # simulation in Section IV-A │ ├──double_integrator # simulation in Section IV-B │ └──robotic_manipulator # simulation in Section IV-C └── writing # paper preprint Matlab（2020b / 2021a） 依存关系 模拟完全用Matlab编写，并且需要在Matlab路径中包含以下软件包/工具箱： 模拟 要生成仿真数据并绘制结果，请将Matlab中的当前文件夹设置为code ，然后为每个仿真运行以下Matlab脚本。 结果将存储在将要生成的d

轨迹跟踪MPC控制-python实现-model_predictive_speed_and_steer_control

利用backstepping算法设计的移动机器人轨迹跟踪控制器matlab源代码

针对 AGV 在轨迹跟踪过程中出现的问题，通过对小车运动学模型进行分析，采用 T-S 模糊神 经网络模型，设计了一种模糊神经网络控制器，利用 Matlab 软件进行仿真，并与普通 PID 控制器进行对 比。仿真结果表明: 基于 T-S 的模糊神经网络控制器提高了 AGV 小车运行的稳定性和鲁棒性，优于普 通控制算法

针对云模型理论的研究现状以及传统的 PID控制器存在的控制参数适应性差、处理复杂非线性问题手段单一等缺陷，本文首先对二自由的机械臂进行了运动学和动力学分析，给出了机械臂数学模型；然后在考虑实际操作中机械臂存在的死区、未知负载等非线性因素的前提下，设计出了一维云模型控制器；最后在 Matlab的仿真平台下对所建立的模型进行仿真，得到高精度的关节位置、位置误差等状态变量的轨迹跟踪曲线。实验结果表明此控制器对参数变化具有很强的适应性，解决了传统的 PID控制存在的问题，使机械臂能够快速、精确地沿着目标轨迹运行。

具有切换交互拓扑的无人机时变编队控制

LQR动力学模型轨迹跟踪双移线纯代码：6个精品m文件

利用backstepping算法设计的移动机器人轨迹跟踪控制器matlab源代码 利用backstepping算法设计的移动机器人轨迹跟踪控制器matlab源代码

为了提高智能车的控制精度，以碰撞中心为参考点建立前馈-反馈控制模型， 并用该控制模型求解LQR问题，获得状态反馈控制率，实现最优控制。在双移线工况和8字形工况下，使用Matlab/Simulink和Carsim对LQR轨迹跟踪控制器进行联合仿真。

多智能体的编队控制matlab程序（自己编写的，可以完美运行） 本程序是自己针对一篇IEEE TCST文章，用matlab编程实现，已验证可以运行。附件有详细的程序使用说明，和对应的文章。适合多智能体的编队或一致性研究的初学者学习。(这个程序上传的时候少了一个m文件，请搜索本人上传的所有资源找到补充文件)