多智能体的编队控制程序的补充(之前上传少了一个文件) 这个程序是对多智能体的编队控制程序的补充，之前上传少了一个文件，给大家造成的不便深表歉意。

使用开源架构freeglut实现的c++的openGL且水果 可以跟踪鼠标路径并且绘制炫酷轨迹

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)

针对水下机器人轨迹跟踪控制的速度跳变问题,提出了一种基于生物启发神经动力学模型的自治水下机器人(AUV)三维轨迹跟踪控制算法。利用生物启发神经动力学模型的平滑、有界输出的特性,构造简单的中间虚拟变量,克服了海流影响下AUV反步轨迹跟踪控制的速度跳变问题,并且控制效果能够达到全局渐近稳定、输出结果连续平滑。利用Lyapunov函数证明了所提方法的稳定性。将该方法对“海筝二号”水下机器人进行三维轨迹跟踪控制的仿真实验,仿真结果表明了所提控制方法的有效性。

提出一种全局非奇异终端滑模控制器, 可用于带有参数不确定和外部扰动的二阶非线性系统。 证明了系统从任意初始状态到达滑模的时间和在滑模上到达平衡点的时间均为有限, 分析了终端滑模 控制用于不确定性系统的跟踪精度, 推导了系统跟踪精度和用于消除抖振的饱和函数宽度之间的数学 关系。根据给定的跟踪精度, 可设计出合适的饱和函数。仿真结果证明了所提出方法的有效性。

智能驾驶相关 轨迹跟踪 模型预测 Abstract—Path tracking issues of autonomous ground vehicles (AGVs) have attracted more attention in recent years with the intelligent and electrified development of vehicles. In order to make AGVs path tracking problem more flexible, regional path tracking problem is discussed in this manuscript based on model predictive control (MPC) method, where the front wheel steering angle is regarded as the control variable. The feasible region for AGVs running is determined first according to the detected road boundaries. In the following, AGVs running in this region is considered using kinematic model. Then, in order to make the actual trajectory of AGVs keep in the region and satisfy the safety requirements, MPC method is employed to design path tracking controller considering the vehicle dynamics, the actuator and state constraints. In order to verify the effectiveness of the proposed algorithm, simulations under various test conditions are carried out using a high fidelity vehicle simulator veDYNA, where the Hongqi vehicle HQ430 parameters are matched. The results obtained from the simulation illustrate that the proposed algorithm obtains good performance in dealing with the regional path tracking problem.

该程序适合卡尔曼滤波的初学者，仿真了匀速运动状态下，卡尔曼稳定跟踪物体轨迹的代码，理论与实践相结合，有助于对卡尔曼理论的理解

汽车轨迹仿真，可以实现汽车轨迹优化里面有模型和过程代码

18初始化函数初始化轨迹对象读取一帧数据 前景检测根据位置进行卡尔曼预测匈牙利匹配算法进行匹配分配好的轨迹更新未分配的轨迹更新删除丢掉的轨迹创建新轨迹 结果展示

多智能体一阶二阶一致性 matlab 仿真