pyMPC
Python中的线性约束模型预测控制（MPC）：
在哪里
要求
pyMPC需要以下软件包：
麻木
科学的
matplotlib
安装
获取pyMPC项目的本地副本。 例如，运行
git clone https://github.com/forgi86/pyMPC.git
在终端中使用git克隆项目。 或者，从此下载压缩的pyMPC项目并将其解压缩到本地文件夹中
通过运行安装pyMPC
pip install -e .
在pyMPC项目根文件夹中（文件setup.py所在的位置）。
支持平台
我们在以下平台上成功测试了pyMPC：
具有x86-64 CPU的PC上的Windows 10
具有x86-64 CPU的PC上的Ubuntu 18.04 LTS
Raspbian PI 3 rev B上的Raspbian Buster
有关Raspberry PI平台的详
2022-01-07 10:18:56
551KB
1
针对一类工业生产过程中实时跟踪问题，本文提出一种增量式模型预测控制算法，其基本思想是在预测模型中根据跟踪误差采用速度响应来建立预测模型，并在预测模型中采用控制量的增量软约束和在线滚动优化方法使其二次性能指标达到最优。理论分析和Matlab仿真实验结果表明，该控制算法能获得良好的跟踪性能、平稳的被控对象动态响应以及更强的闭环系统鲁棒性。
2021-12-29 23:38:28
5.81MB
1
行业分类-电子电器-基于模型预测控制的微电网多时间尺度优化调度方法.zip
2021-12-29 18:39:50
458KB
Optimal Control 允许您将控制问题（控制理论）表述为数学优化问题。 OpenOCL 提供了一种有助于实现最优控制问题的建模语言。 它实现了直接搭配方法，并接口 CasADi 和 ipopt 来解决非线性程序。 或者，可以使用新的（正在进行的）acados 界面。
特征： - 通过 CasADi 自动区分- 多阶段问题- 矩阵值变量- 按名称访问所有变量（无需索引） - 绘制初始猜测、中间步骤和解决方案-依赖项（acados，CasADi）将在首次启动时自动解决
主要开发商： 乔纳斯·科内曼， https://github.com/jkoendev
版权所有 2019, 2020 Jonas Koenemann, Moritz Diehl, 弗莱堡大学根据3条款BSD许可条款，允许重新分发。 请确保上述版权声明在任何衍生作品中可见
https://openocl.gith
2021-12-23 22:16:30
146KB
1
离散控制Matlab代码MPC脑血流
我们提出了一个控制框架，该模型统一了模型的预测控制和控制障碍函数，其中终端成本函数充当控制Lyapunov函数的稳定性。
这是本文的参考实现：
具有离散时间控制屏障功能的安全关键模型预测控制
|
|
曾军，张自行车和库希尔·史瑞纳斯（Koushil
Sreenath）
引用
如果您发现此代码在您的工作中很有用，请考虑引用：
@article{zeng2021mpccbf,
title={Safety-critical
model
predictive
control
with
discrete-time
control
barrier
function},
author={Zeng,
Jun
and
Zhang,
Bike
and
Sreenath,
Koushil},
booktitle={2021
American
Control
Conference
(ACC)},
year={2021}
}
指示
分配了2D双积分器以避开障碍物到达原点的目标位置。
对于不同的控制器，我们分为三类：
DCLFDCBF.m
（DCLF-DCBF），
MPCCB
2021-12-10 10:54:06
11.32MB
1
压缩包中包含4个文件，所以文件都需要放在同一目录下，且最好不要有中文路径，文件采用的是matlab 2018b版本，低于此版本可能打不开，解压后直接用simulink打开.slx文件就能运行，plot_1主要是车位尺寸和道路边界信息，可以在运行simulink文件前先在matlab运行plot_1，不要关闭绘图窗口，然后运行simulink文件，可以更直观的观察到车辆的运动，plot_2主要是绘图代码，具体内容可参考我写的文章《平行泊车系统路径跟踪控制（2）》
2021-12-10 09:02:39
39KB