【文件属性】：
文件名称：离散控制Matlab代码-PyAdvancedControl-:https://github.com/AtsushiSakai/PyAdvan
文件大小：1.2MB
文件格式：ZIP
更新时间：2021-05-23 07:55:44
系统开源
离散控制Matlab代码PyAdvancedControl
用于高级控制的Python代码
依存关系
的Python
3.5.5
cvxpy
0.4.x
生态2.0.7
cvxopt
1.2.-
scipy
1.1.0
numpy的1.15.0
matplotlib
2.2.2
lqr_sample
这是线性二次稳压器的示例代码
这是LQR调节器仿真。
这是LQR跟踪模拟。
finite_horizon_optimal_control
这是一个有限水平的最佳控制示例代码
mpc_sample
这是简单的模型预测控制（MPC）调节器仿真的示例代码
mpc_tracking
这是模型预测控制（MPC）跟踪跟踪模拟的示例代码
mpc_modeling
这是用于模型预测控制优化建模的示例代码，没有任何建模工具（例如cvxpy）
这意味着它仅使用求解器（cvxopt）进行MPC优化。
它包括两个MPC优化功能：
1个opt_mpc_with_input_const（）
可以应用输入约束（不是状态约束）。
2
opt_mpc_with_state_const（）
可以应用状态约束和输入约束。
【文件预览】：
PyAdvancedControl--master
----steer_vehicle_model()
--------unicycle_model.py(1KB)
--------dynamic_bicyccle_model.py(2KB)
--------vehicle_model_note.ipynb(91KB)
--------kinematic_bicycle_model.py(2KB)
----.gitmodules(173B)
----inverted_pendulum_mpc_control()
--------inverted_pendulum_mpc_control.py(4KB)
--------matplotrecorder()
--------animation.gif(355KB)
--------animation1.gif(341KB)
--------animation2.gif(355KB)
----test_run.sh(78B)
----mpc_modeling()
--------result.png(28KB)
--------mpc_modeling.py(15KB)
--------mpc_modeling_with_ECOS.py(13KB)
--------__init__.py(0B)
--------pyecosqp.py(7KB)
----finite_horizon_optimal_control()
--------result.png(29KB)
--------main.py(3KB)
----mpc_sample()
--------result.png(26KB)
--------main.py(2KB)
----.travis.yml(544B)
----opt_finite_horizon_optimal_control()
--------result.png(29KB)
--------main.py(3KB)
----LICENSE(1KB)
----tools()
--------c2d.py(2KB)
----README.md(2KB)
----mpc_path_tracking()
--------main.py(4KB)
----mpc_tracking()
--------result1.png(28KB)
--------__init__.py(0B)
--------pyecosqp.py(7KB)
--------mpc_tracking.py(20KB)
----lqr_sample()
--------main.py(5KB)
--------Figure_1.png(20KB)
--------Figure_2.png(34KB)
----tests()
--------__init__.py(27B)
--------test_mpc_modeling_with_ECOS.py(707B)
--------test_mpc_modeling.py(590B)
--------test_mpc_tracking.py(1KB)
----.gitignore(1KB)