当前位置:网站首页>传统模型预测控制轨迹跟踪——波浪形轨迹(功能包已经更新)
传统模型预测控制轨迹跟踪——波浪形轨迹(功能包已经更新)
2022-07-29 05:23:00 【端午吉祥物】
时隔一个多月,终于有时间把这个功能包框架给升级一下了。
前文传统模型预测控制轨迹跟踪——圆形轨迹中的功能包更新如下:
mpc_simulation_ROS_and_experiment,使用方式见 README.md。
更新的功能
1.路径发送的时候顺便把规划的速度和角速度也发送出去了
2.在mpc_client.cpp中将速度、角速度传给mpc_server.py中去作为期望值参与优化计算
3.更新了一条波浪形路径来验证跟踪算法
4.更新了实车中实验的程序以及操作手册(见path_track/readme.txt)
需要说明的内容
1.仅考虑了小车的x方向速度和角速度,当然y方向的速度已经在path_track/path_point.srv预留了接口,大家可以加入y方向速度试一下,似乎还有一些问题。
2.由于预测模型的设计中,状态量为位姿误差,控制量为速度增量,所以对于给出的路径一定是需要路径点的速度信息,这个路径设计可以在send_point.launch中设置,也可以直接改cpp文件。
3.仿真或者实车中跑mpc时,小车位姿距离路径起始点别超过1m,否则仿真效果会变差,这可能与控制器中的一些参数有关,如预测时域等。
4.不能跑整个圆形了,可能与姿态角误差有关系,从前半圆过渡到后半圆的时候角度误差没有给出合适的计算方式,还没有去处理。
仿真结果
波浪形曲线,红色为小车轨迹,绿色为规划轨迹。
最后一点的尾巴没合上是因为优化器里面设置了三级减速,如有需要可以把减速判断程序注释掉。
具体跟踪情况如下:
mpc_track_wave_trajectory
实验结果
跟踪直线轨迹
具体跟踪情况如下:
mpc_track_line_experiment
边栏推荐
- 华为云14天鸿蒙设备开发-Day3内核开发
- 智能温度控制系统
- Design and implementation of QT learning notes data management system
- 京微齐力:基于HMEP060的OLED字符显示(及FUXI工程建立演示)
- Reading papers on fake news detection (2): semi supervised learning and graph neural networks for fake news detection
- Low rank transfer subspace learning
- STM32:麦克纳姆轮进行循迹任务(库函数程序代码)
- SimpleFOC调参3-PID参数整定攻略
- 入门到入魂:单片机如何利用TB6600高精度控制步进电机(42/57)
- 基于FPGA:多目标运动检测(手把手教学①)
猜你喜欢
随机推荐
基于stm32的四针OLED显示
Transfer learning
STM32 printf问题总结 semihosting microLIB理解
HAL库学习笔记- 8 串口通信之概念
噪音监测传感系统
AttributeError: module ‘tensorflow‘ has no attribute ‘placeholder‘
Tf.get in tensorflow_ Detailed explanation of variable() function
2、 During OCR training, txt files and picture data are converted to LMDB file format
SimpleFOC调参3-PID参数整定攻略
2022春招——芯动科技FPGA岗技术面(一面心得)
【软件工程之美 - 专栏笔记】25 | 有哪些方法可以提高开发效率?
【软件工程之美 - 专栏笔记】28 | 软件工程师的核心竞争力是什么?(下)
Reading papers on false news detection (I): fake news detection using semi supervised graph revolutionary network
HAL库学习笔记-13 I2C和SPI的应用
【软件工程之美 - 专栏笔记】27 | 软件工程师的核心竞争力是什么?(上)
1、 Pytorch Cookbook (common code Collection)
【软件工程之美 - 专栏笔记】24 | 技术债务:是继续修修补补凑合着用,还是推翻重来?
Hal library learning notes-11 I2C
1、 Multiprocessing.pool.remotetraceback
基于FPGA:多目标运动检测(手把手教学①)