倒立摆自摆起算法，起摆控制采用能量分析法，稳摆控制采用LQR控制，倒立摆模型采用S函数编写，可运行

LQR最优控制，可以应用于基于磁流变阻尼器汽车悬架等半主动控制

基于LQR的四轴飞行器控制算法设计.pdf

车辆主动、被动悬架控制比较，采用LQR控制，适于刚开始学习现代控制理论算法的同学

轮胎模型matlab代码最佳转向控制 LQR，LQR + SbW补偿和线性MPC的性能研究 将6DoF_plant_functions，classs和init_files文件夹添加到您的Matlab路径 运行SbWAdaptiveControl文件进行仿真。 可以使用init_files / sim_params.m来控制时间步长，路况和操作/期望速度。 这些类是车辆，simprops和LQRprops和MPCprops 车辆类别包含车辆参数，还包含可以初始化所需线性模型的函​​数。 模型1（使用linmodchoice变量）：y ydot psi psidot状态空间。 模型2：ey eydot epsi epsidot状态空间，也称为错误动态状态空间。 模型3：psidot和beta状态空间也称为侧滑模型。 6DoF_plant_functions文件夹包含模拟要测试控制器的高DoF工厂所需的所有文件。 它包括6DoF底盘和pacjeka车轮轮胎模型。 您可以要求下一个状态，速度状态/ states_dot和“力”作为输出。 MPC是使用CasaDi for Matlab解决的：

综合跟随理想横摆角速度的方法和抑制汽车质心侧偏角的汽车稳定性控制方法,提出了一种新的最优控制方法。以线性二自由度车辆操纵特性模型为控制目标,基于汽车横摆力矩与车辆状态偏差之间的动力学关系建立了控制系统模型。采用线性二次型调节器（LQR)方法进行了汽车横摆力矩的决策,实现了汽车稳定性控制。在硬件与驾驶员在环仿真试验台上的试验验证了LQR方法的控制性能。

【LQR算法学习】[视频参考B站DR_CAN].md

开发者说 _ Apollo代码学习—MPC与LQR比较.pdf

开发者说 _ Apollo控制算法之LQR.pdf

主要目标是对在 F-86 Sabre 中应用线性二次调节器 (LQR) 和线性时不变模型预测控制器 (MPC) 获得的结果进行比较，同时路径规划技术和非线性制导法律被雇用。 该代码完成了闪电战任务，用 M117 爆破炸弹轰炸指定区域。 利用递归奖励自适应单元分解（RR-ACD）算法，在避开障碍物和尊重约束的基础上计算参考轨迹，然后，平滑 3D 路径规划（S-3D-PP）算法改进路径并定义一个速度剖面。 提到的控制器和非线性制导律是完成任务的关键。 对飞行参数、油耗、轰击精度和风速进行了分析。