常见拥塞控制方法 缓冲区预分配法 该法用于虚电路分组交换网中。在建立虚电路时,让呼叫请求分组途经的节点为虚电路预先分配一个或多个数据缓冲区若某个节点缓冲器已被占满,则呼叫请求分组另择路由,或者返回一个"忙"信号给呼叫者。这样,通过途经的各节点为每条虚电路开设的永久性缓冲区(直到虚电路拆除),就总能有空间来接纳并转送经过的分组 分组丢弃法 该法不必预先保留缓冲区,当缓冲区占满时,将到来的分组丢弃 定额控制法 这种方法在通信子网中设置适当数量的称做"许可证"的特殊信息,一部分许可证在通信子网开始工作前预先以某种策略分配给各个源节点,另一部分则在子网开始工作后在网中四处环游。当源节点要发送来自源端系统的分组时,它必须首先拥有许可证,并且每发送一个分组注销一张许可证。目的节点方则每收到一个分组并将其递交给目的端系统后,便生成一张许可证。这样便可确保子网中分组数不会超过许可证的数量,从而防止了拥塞的发生

SVPWM的原理及法则推导和控制算法详解_V1.pdf

SVPWM的原理及法则推导和控制算法详解_V2.pdf

(1)定速巡航的速度控制算法 速度控制算法起初用于定速巡航的控制技术中。PID算法是一个传统的具有 反馈环节的控制算法，因其原理简单易用得到广泛的推广。很多学者将PID与其 他算法进行结合成功改善了对速度控制的精确度，文献[28]使用模糊控制的方法 对PD的比例．微分参数进行实时在线调整，建立了汽车恒定速度控制的模糊PD 控制算法。所提出的模糊PD控制算法具有较好的控制性能，与传统PID控制方 法相比可以在较短时间内实现车辆的定速巡航，并且偏差与超调量都很小。高振 海等人【29~30】采用将非线性系统局部线性化的描述方法，应用预瞄跟随理论提出了 新颖的速度控制方法，通过优化多目标的评价函数决策出理想纵向加速度，并对 其进行微分校正，充分考虑了驾驶员反应滞后以及汽车动力学滞后的响应特性。 该方法精准有效地实现了对目标速度的跟随控制，为无人驾驶汽车速度控制的研 究打开了一个新的思路。高锋等人[31】通过辨识获得节气门开度到车速的传递函数， 从而对汽车纵向动力学进行了描述，在此基础上应用鲁棒控制理论设计了多模型 分层切换控制系统，实现了当模型存在较大不确定性时能够对车速快速准确得控 制。陈刚[321采用改进BP神经网络设计了一种驾驶机器人车速跟踪神经网络控制 方法，其收敛速度高于梯度下降法的收敛速度，且达到的控制精度也更高。 (2)自适应巡航的速度控制算法 速度控制驾驶员模型也常用于车辆自适应巡航控制的研究中，萝莉华【33】应用 多目标MPC算法实现了汽车自适应巡航控制策略，较传统PID算法具有多目标 优化的功能，改善了跟车性、舒适性以及燃油经济性。管欣[34】基于驾驶员操作汽 车的行为特性，将驾驶员建模理论．稳态预瞄动态校正假说【35】应用于汽车自适应 巡航控制系统的理论研究中，构建了基于驾驶员最优预瞄加速度模型的车辆自适 应巡航控制算法。仿真实验结果表明基于驾驶员操纵行为特性的分析，应用驾驶 员操纵行为建模理论来研究汽ACC系统的控制过程为车辆ACC控制系统的开发 提供了一个可行的研究途径。文献[36]根据模糊神经网络控制理论，研究了自适 应巡航控制跟随模式下的距离控制，构造了五层的模糊神经网络，推导出了相应 BP算法公式，并对汽车自适应巡航控制跟随模型进行了仿真实验。经过输入实际 样本数据进行训练后，自适应巡航跟随控制模型具有较高的控制精度，并且减少 了踏板角度的波动，基于模糊神经网络模型的自适应巡航控制跟随模型能够取得 良好的效果。 虽然这些算法取得了良好的效果，但基本上是围绕着定速巡航与跟车巡航展 开的研究，并不能应对突然的变道或转弯所带来的高速失稳的危险。本文基于多 点预瞄的思想，运用二次规划的方法提出自适应避险的速度规划功能，并结合评 价函数最优化的方法对目标速度进行实时跟随，这样车辆在巡航时可避免因突然 万方数据

为了实现一种模糊PID升速控制电机,提出了模糊PID控制器的自整定控制方法。首先对被控对象步进电机建立S型升速算法,解决电机启动产生失步、冲击等问题。然后利用数学模型推导出传递函数,根据模糊规则建立模糊PID控制器。最后进行仿真控制。研究表明:该方法具有响应曲线调节精度高、超调量小、动态响应快等优点。

The MRSim (Multi-Robot Simulator) is an extension of the Autonomous mobile robotics toolbox SIMROBOT (SIMulated ROBOTs) created for MatLab 5 in 2001. MRSim allows the user to simulate the behavior of multiple mobile robots in virtual environments. When compared to its predecessor SIMROBOT, MRSim presents two key contributions: 1) It is fitted to the new MatLab versions - Previously, users were unable to work with SIMROBOT functions since most of them were incompatible with the new MatLab versions. MatLab significantly evolved over the last 10 years, making SIMROBOT obsolete. In this extension, all features of SIMROBOT were updated and improved based on the new MatLab functions; 2)It is also fitted to suit multi-robot applications - although SIMROBOT was endowed with various interesting features for mobile robotics, it presented several limitations for multi-robot applications. Therefore, MRSim was created primarily to allow users to develop multi-robot applications, which would benefit working with some specific requirements such as multi-hop communication. Moreover, most of the functionalities in MRSim have an integrated help (which can be accessed just by typing help function) that allows to easily understand the dynamics of how to create and run simulations. In sum, just like SIMROBOT, each robot in MRSim can be equipped with several virtual sensors and can be driven by its own control algorithm. The toolbox includes two independent applications. The first one is the EDITOR (simedit), which allows the user to create and modify the virtual environment,to edit the control algorithms of robots, to load and save simulation, and others. The second application, SIMULATOR (simview), can be run directly from the EDITOR or separately from MatLab Command Window and serves as a simulation viewer. A MatLab help file is being currently created and will be add in the future.

本书主要论述了移动机器人导航系统和路径跟踪控制算法的设计方法。首先，基于常用的 移动机器人导航系统的原理、所选用的民用单频GPS接收机数据的特点和航迹推算导航系统 数据的特点，提出了三种GPS和航迹推算导航综合导航系统信息融合算法。这些算法利用 GPS与航迹推算导航系统具有互补的特性，在解算负担小的基础上，能够很好地融合民用单频 GPS接收机和航迹推算系统的导航信息，为室外移动机器人提供长期稳定、准确的导航信息。 其次，介绍了移动机器人路径规划应用的蚁群算法。针对传统蚁群算法容易陷入早熟、收敛速 度慢和生成路径转折多等问题，提出了相应的改进措施。改进后的蚁群算法在提高搜索速度的 基础上，扩大了搜索范围，并且能够提供转折较少的路径。最后，基于模型算法控制方法和神经 网络的模型算法控制方法为移动机器人设计了路径跟踪控制算法。

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。

使用PX4:registered:自动驾驶仪的UAV工具箱支持包，您可以从MATLAB:registered:和Simulink:registered:访问自动驾驶仪外围设备。 借助EmbeddedCoder:registered:，您还可以自动生成C ++代码并使用PX4工具链来构建和部署专门为Pixhawk:registered:和Pixracer飞行管理单元（FMU）量身定制的算法，同时结合机载传感器数据和其他PX4特定服务。 PX4是Lorenz Meier的商标。

C语言用于dsp运动控制PID算法 改程序经过验证 好用的