系統建模 + 狀態空間系統 + 模型預測控制 + MPC 約束 + Python 模擬：自動駕駛汽車
從這 13.5 小時的課程，你會學到
- 修正線性非時變 ( Linear Time Invariant，LTI) 系統的模型預測控制
- 使用自行車模型( bicycle model )在 2D X-Y 平面上對自動駕駛汽車進行數學建模
- 從車輛的運動方程到它的狀態空間形式( state space form )
- 使用線性參數變化 (Linear Parameter Varying，LPV) 公式掌握線性模型預測控制 (Model Predictive Control，MPC) 並將其應用於非線性系統
- 掌握並將模型預測控制 (MPC) 約束應用於自動駕駛汽車
- 用 Python 模擬自動駕駛汽車的控制迴路，包括模型預測控制 (MPC) 控制器及其約束
要求
- 基本微積分：函數、導數、積分
- 向量矩陣乘法
- Udemy 課程：應用控制系統 1：自動駕駛汽車（數學 + PID + MPC）
課程說明
如何讓自動駕駛汽車在 2D 平面上追蹤一般軌跡，以及如何確保自動駕駛汽車的速度、加速度和方向盤角度保持在實際的最小值和最大值內？
我的名字叫 Mark。 我是一名航太和機器人工程師，在本課程中，我將提供您所有這些的直覺、數學和 Python 實現。
本課程是“應用控制系統 1：自動駕駛汽車：數學 + PID + MPC”課程的直接延續。在之前的課程中，模型預測控制 (MPC) 算法僅允許自動駕駛汽車在直路上變動道路。 我們應用小角度近似將非線性模型轉換為線性非時變 (LTI)。它使我們的生活更輕鬆，但也限制了我們的模型預測控制演算法。
然而，在本課程中，我們將消除這種簡化，我將向您展示如何通過首先將線性 MPC 控制器置於線性參數變化形式來將其應用於非線性系統。 使用這種非常流行的技術，您的汽車將能夠追蹤一般的 2D 軌跡。
此外，您還將學習如何使用 qpsolvers 和 quadprog 等二次求解器將 MPC 約束應用於自動駕駛汽車。 在大多數控制問題中，您必須考慮約束以將系統保持在合理的值範圍內。
您從本課程中獲得的知識是通用的，可以應用於控制系統工程中的許多系統。
看看我的一些免費預覽視訊，如果您喜歡您所看到的，那麼現在就註冊，讓我們開始吧。
希望能在裡面見到你！
目標受眾
- 理工科學生
- 在職科學家和工程師
- 控制工程愛好者
講師簡介
Mark Misin Engineering Ltd 數學、控制系統、Python、力學：靜力學與動力學
控制系統、工程力學、數學建模和 Python 等內容往往很難學，但在工程上卻是不可或缺的。
幸運的是，透過直覺的教學和實際應用，可以使學習變得更容易、更令人興奮。
我來這裡就是為了這麼做的。 我想提供你這些主題的堅實基礎，以便你能夠在學習和職業生涯中蓬勃發展。
Mark Misin
航空航太與機器人工程師
字幕：簡中、英文
- 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To
- Udemy 永久擁有課程 ⏳ NT290 起特價中(點擊連結看更多)
- ✨年訂閱每月 NT350 🌈 悠遊 Udemy 的 26000+ 門課，最大化學習 ( 原價 NT635/月 )
- Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
- 手機上點選優惠連結看到的價格比電腦上看到的貴
- ＄代表當地貨幣, 如在台灣為 NT
- 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現
報名參加課程
也許你會有興趣
- 應用控制系統相關線上課程
- ★英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣！
- 從 Soft & Share 各種社團頻道挑選你喜歡的加入
發表迴響