智能汽车决策与规划 - 随笔分类 - 静候佳茵

摘要：一、车辆纵向动力学建模 1. 轮胎动力学方程假设每个轮胎都是刚性的，即不考虑轮胎的弹性迟滞损失导致的地面法向反作用力

F_{z}

$F_z$ 的偏移。又假设车辆四轮驱动，每个轮胎都受到驱动力矩

T_{d}

$T_d$ 、制动力矩

T_{b}

$T_b$ 、地面切向反作用力

F_{x}

$F_x$ 、地面法向反作用力

F_{z}

$F_z$ 、驱动轴作用于车轮的水平力

F_{p}

$F_p$

1112

0

1

悬架模糊控制

摘要：应用模糊控制，悬架加速度和速度作为输入，主动悬架作动力是输出程序上还有不少问题，最终悬架位移在白噪声的作用下竟然没有收敛，水平实在有限，希望有相关研究的小伙伴可以指正。导入相关库 import numpy as np import skfuzzy as fuzz import skfuzzy.c

478

0

模糊PID控制C++实现

摘要：PID大家都非常熟悉了，这里就不多谈了，模糊控制可以看一下B站的相关视频，比如这个【入门】智能控制 | 20分钟搞定模糊控制下面的代码来自github，我主要对github的代码进行了一些修改，优化了结果。 main.cpp文件 #include<iostream> #include"fuzzy_

1552

0

车辆跟随滑模控制的python实现

摘要：上一篇文章一个汽车跟踪问题的滑模控制实例，已经从理论上证明了可以使用滑模变结构控制策略来解决汽车跟踪问题。下面分别采用指数趋近律、等速趋近律、准滑模控制的方法完成车辆跟随问题的仿真 import matplotlib.pyplot as plt ''' 指数趋近律、等速趋近律、准滑模控制的车辆跟随

921

1

0

汽车质心绝对加速度数学推导和滑模控制实例

摘要：1. 线性二自由度汽车质心绝对加速度在车辆坐标系下的公式在汽车线性二自由度微分方程那篇博客中，我具体推导了

a_{y}

$a_y$ ，但是用了近似和忽略。下面将用向量的方法，详细推导出

a_{x} 、 a_{y}

$a_x、a_y$ 。下面是推导的过程： $$\begin{aligned} a&=a_\tau+a_n\ &=\overset{

766

0

汽车控制理论数学基础——状态方程

摘要：1. 利用状态方程求传递函数公式状态方程为

G (s) = \frac{Y (s)}{U (s)} = C (s I - A)^{- 1} B + D

$G(s)=\dfrac{Y(s)}{U(s)} = C(sI-A)^{-1}B+D$ 例1：

m - c - k

$m-c-k$ 系统，求

m \overset{\cdot \cdot}{x} + c \overset{\cdot}{x} + k x = f

$m\overset{··}{x}+c\overset{·}{x}+kx=f$ 传递函数。解：令

x_{1} = x

$x_1 = x$ ，$x_2=\overs

2152

0

线性二自由度汽车模型的微分方程

摘要：本部分内容系汽车理论第五章第三节，我做了一点整理和总结。 1. 二自由度二自由度最开始是指侧向与横摆两个自由度。下图是一个车辆坐标系下，车辆存在六个自由度：沿x轴运动，前进运动沿y轴运动，侧向运动沿z轴运动，垂直运动绕x轴转动，侧倾运动绕y轴转动，俯仰运动绕z轴转动，横摆运动那么，

2297

1

4

强化学习入门知识与经典项目分析2.2

摘要：本篇文章为编程实践——蒙特卡罗学习评估21点游戏的玩家策略、求解21点游戏的最优策略话说前头，我只是个大三的搬运工，代码文字很多都是基于叶强老师的github ，我只能读懂代码，我写不出这种面向对象的程序，我的水平还远远不够格。写博客的目的也只是为了自己的学习，增进对知识的理解，在疫情期间的假期可

404

1

0

强化学习入门知识与经典项目分析2.1

摘要：之前的所有文章基于环境动力学规则，即状态转移概率

P_{s s^{'}}^{a}

$P_{ss'}^a$ 已知的情况下分析的，而在实际的更多情况下，环境动力学未知，不知道状态转移概率，这一类问题被称为无模型问题。本篇文章主要是介绍基于完整采样的蒙特卡罗强化学习。主要的学习资源是五个: B站许志钦老师的视频（主要入门理论）https:

73

0

强化学习入门知识与经典项目分析1.4

摘要：上一篇文章介绍了策略评估的方法，并且证明了其收敛性，本篇文章在其基础上证明策略迭代、策略提升和价值迭代，并且介绍格子世界的例子主要的学习资源是四个: B站许志钦老师的视频（主要入门理论）https://www.bilibili.com/video/BV15a4y1j7vg?spm_id_from=

141

0

强化学习入门知识与经典项目分析1.3

摘要：上一篇文章推导了贝尔曼方程，这一篇文章来继续分享对应的马尔可夫决策的案例，然后引入策略评估并证明其收敛性。主要的学习资源是四个: B站许志钦老师的视频（主要入门理论）https://www.bilibili.com/video/BV15a4y1j7vg?spm_id_from=333.999.0.

538

0

强化学习入门知识与经典项目分析1.2

摘要：我们在上一篇文章中详细推导了马尔可夫奖励过程的贝尔曼公式，这一篇文章重点来推导马尔科夫决策过程的贝尔曼公式。主要的学习资源是四个: B站许志钦老师的视频（主要入门理论）https://www.bilibili.com/video/BV15a4y1j7vg?spm_id_from=333.999.0

103

0

强化学习入门知识与经典项目分析1.1

摘要：博客园用markdown语法写的第一篇文章，在这里非常感谢小么VinVin对我的帮助。我先在这里分享一下写强化学习的原因。大三上学期，学院开设了智能车辆规划与决策课程，由于学时的限制，最后决策部分的内容只讲了有限状态机和马尔可夫决策。我利用寒假这段时间，继续补充了强化学习方面的知识，大三下学期这

250

0

1

静候佳茵

随笔分类 - 智能汽车决策与规划

公告

搜索

常用链接

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论