基于模型预测控制(mpc)的车辆换道，车辆轨迹跟踪，换道轨迹为五次多项式，matlab与carsim联防控制

基于状态空间的模型预测MPC控制器的设计，附带例子（MATLAB）

本仿真是三相两电平逆变器的模型预测MPC控制仿真，使用纯传递函数进行控制，特点在于加深对传递函数的理解，思考如何用传递函数进行控制，因为在硬件上的程序实现需要用到控制对象的传递函数等能够反应系统本质的这些函数表达。

无人驾驶车辆模型预测控制 第二版 程序代码 北理工

分别给出了无约束MPC和约束MPC的MATLAB程序

内容：基于双轮差速运动学模型，建立预测模型并离散化，线性化，通过模型预测控制（mpc)实现双轮差速小车对给定轨迹的跟踪。 实现方式：matlab脚本函数（注意：非simulink方式）

介绍了基于 PC 机平台的模型预测控制（MPC）系统仿真软件的开发与实现过程。该软件包含 MAC、IMAC、DMC、DDMC 和 GPC五种预测控制算法，可以用不同的方法实现对预测控制系统的综合性仿真，包括扰动对系统性能的影响以及控制器参数调整的作用等。利用该软件可对模型预测控制系统的作用机理做进一步仿真分析,并有助于定性分析各种算法中设计参数对系统性能的影响以及不同算法之间的区别。

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

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

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）》