Dsp Tian

摘要： 正运动学是已知连杆长度和各连杆旋转角度，求最终(x,y)位置的问题。 逆运动学是已知连杆长度和最终(x,y)位置，求各连杆旋转角度的问题。 二维两关节机械臂可以用下图示意： 根据上图可以得到如下公式： x = L1*cos(theta1) + L2*cos(theta1+theta2) y = L1 阅读全文

摘要： 该方法是自抗扰控制器adrc中的一个步骤，这里单独拿出来实现一下。 算法输入为控制信号，输出为微分信号和跟踪信号，能够滤除控制信号中的噪声。 跟踪微分器核心公式如下： fst函数如下： 其中u为控制量，r和h为系数。 matlab代码如下： clear all;close all;clc; T = 阅读全文

摘要： 1. 首先设定一个模型，可以用tf生成一个状态空间，不过我这里用的是反拉普拉斯变换得到的时域模型。 2. 随机生成一组控制量，然后卷积得到系统响应。 3. 利用待求参数过一下模型得到响应再和原始模型响应做个差值，设定为损失量。 4. 利用Matlab自带的非线性最小二乘函数lsqnonlin求解即可 阅读全文

摘要： 路径平滑方法有很多。 如果有预测量可以使用卡尔曼滤波。 如果只是单纯的离散点也可以用多项式拟合、样条插值、回旋曲线或者均值滤波来平滑。 这里这个算法是Apollo里面的算法，单独拿出来看一下吧。 首先算法是利用最优化的方法来求解的，待优化参数就是所有的离散点（xk,yk)，如下图： 设定损失函数为 阅读全文

摘要： 上一篇熟悉了连续系统辨识与响应，这一篇熟悉一下离散系统辨识与响应。 计算机通常处理的系统为离散系统，这里我们先将连续系统转换为离散系统，然后再进行处理。 流程上还是先构造离散系统并根据控制量得到响应，然后用子空间迭代算法（以后会单独实现一次）求出状态空间。 再用识别得到的状态空间和原始控制量生成新的 阅读全文

摘要： 在不知道系统模型的情况下，如果想要使用模型的方法控制系统，可以先用系统辨识求得系统的状态空间参数，然后设计控制器。 下面根据已知状态参数设计了一个系统，再利用控制量得到系统响应。 然后结合控制量和系统响应，利用matlab自带的子空间迭代方法辨识得到系统的状态方程。 再比较一下原始响应和辨识结果响应 阅读全文

摘要： 对于一组数据，通常可以用多项式来拟合，当然对于有周期规律的数据，我们也可以用傅里叶级数来拟合。 傅里叶级数公式形式如下： 当我们确定好n之后，关键就是求出A0、an、bn和w即可。 由于有待求系数在非线性函数cos和sin中，我们用非线性最优化方法来求解。 matlab代码如下： clear all 阅读全文

摘要： 可以参考之前的B样条曲线插值的方法。 要想利用控制点进行B样条曲面插值，前提是控制点不能是类似点云一样的无序点，一定要是分布在UV坐标空间中的栅格点。 方法就是首先对U方向进行B样条曲线插值，然后利用插值的结果再在V方向上进行B样条曲线插值即可。 下面用matlab自带的Peaks函数作为控制点为例 阅读全文

摘要： 方法示意图： 控制率公式： 其中theta是当前航向角与路径航向角之差，e为横向误差，v为车辆速度，lambda为控制参数。 算法步骤如下： 1. 根据当前定位结果找到路径最邻近点。 2. 计算该点与定位结果横向误差e与航线误差theta。 3. 根据控制率公式计算出前轮转角。 4. 将前轮转角转化 阅读全文

摘要： 首先要确定反馈量和控制量，这里反馈量用的是车和最近路径点的横向误差，控制量用的是前轮转角。 算法如下： 1. 根据当前定位结果找到路径最邻近点。 2. 计算该点与定位结果横向误差。 3. 以该误差作为反馈测量值通过pid生成控制量即前轮转角。 4. 将前轮转角转化为航向角，带入运动模型计算出下一时刻 阅读全文