针对现有非线性控制方案的一些瓶颈问题，从线性控制的角度出发，开展了一种用于WMR的线性二次型最优控制方法设计的研究。基于WMR的运动学模型采用动态反馈线性化技术将非线性运动学模型转换为线性模型；然后选取跟踪误差及误差收敛速度作为设计指标；同时考虑实现渐进跟踪，针对不同形式的参考轨迹，根据内模原理对控制器模态进行扩展，利用线性模型设计基于内模扩展LQ最优轨迹跟踪控制器；最后通过动态反馈反变换得到实际控制器。此外，通过将此方法的控制效果与几种经典方法进行仿真比对，说明了此方法对于跟踪的精确性和快速性上有较大优势。

基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。 基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。

该模型采用模型预测控制方法（MPC），实现道路场景的轨迹跟踪，实现实时跟踪并达到预设轨迹

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

为了解决车辆编队控制问题,设计了自适应神经网络编队控制器.在跟随车辆未知领航车辆速度的情况下,根据位置误差、角速度误差和前一时刻跟随车辆的速度,使用神经网络自适应在线调整神经元权重的方法,控制跟随车辆的速度.恰当选择控制器参数,能使跟随误差能足够小.通过六边形队形仿真实验证明了该编队控制器的有效性.该研究结论突破了车辆编队控制中跟随车辆需要已知领航车辆速度的限制,有助于节省速度传感器的使用.

针对多船舶之间的协同合作问题, 对船舶的编队控制进行了研究. 通过运用领航者-跟随者方法, 选择
在Cartesian 坐标系下建立新的船队编队控制模型, 基于这种模型, 利用反步技术和李亚普诺夫理论设计了一种可使
船队按期望队形航行的船队编队控制器. 通过考虑领队船舶与跟随船舶的航向角误差, 保证了跟随船舶航向角的稳
定性, 从而避免其在航行过程中不断振荡. 最后对所设计的控制方法的正确性及有效性进行了仿真验证.

基于输出调节的一致性编队控制代码

matlab，强化学习MPC模型预测控制算法 基于强化学习+MPC模型预测控制算法的车辆变道轨迹跟踪控制MATLAB仿真 使用matlab2021a或者更高版本运行！！！！

carsim+simulink联合仿真实现变道 包含路径规划算法+mpc轨迹跟踪算法 可选simulink版本和c++版本算法 可以适用于弯道道路，弯道车道保持，弯道变道 carsim内规划轨迹可视化 Carsim2020.0 Matlab2017b

开源多智能体编队避障控制 基于在线学习的方法 躲避障碍物和移动的攻击者