🚅座右铭：行百里者，半于九十。
🏆代码获取方式：
CSDN Matlab武动乾坤—代码获取方式
更多Matlab路径规划仿真内容点击👇
①Matlab路径规划（进阶版）
⛳️关注CSDN Matlab武动乾坤，更多资源等你来！！
clc;
clear all;
%% 参考轨迹生成
N=100;
T=0.05;
% Xout=zeros(2N,3);
% Tout=zeros(2N,1);
Xout=zeros(N,3);
Tout=zeros(N,1);
for k=1:1:N
Xout(k,1)=k*T;
Xout(k,2)=2;
Xout(k,3)=0;
Tout(k,1)=(k-1)*T;
end
%% Tracking a constant reference trajectory
Nx=3;
Nu =2;
Tsim =20;
X0 = [0 0 pi/3];
[Nr,Nc] = size(Xout); % Nr is the number of rows of Xout
% Mobile Robot Parameters
c = [1 0 0 0;0 1 0 0;0 0 1 0;0 0 0 1];
L = 1;
Rr = 1;
w = 1;
% Mobile Robot variable Model
vd1 = Rrw; % For circular trajectory
vd2 = 0;
x_real=zeros(Nr,Nc);
x_piao=zeros(Nr,Nc);
u_real=zeros(Nr,2);
u_piao=zeros(Nr,2);
x_real(1,:)=X0;
x_piao(1,:)=x_real(1,:)-Xout(1,:);
X_PIAO=zeros(Nr,NxTsim);
XXX=zeros(Nr,NxTsim);%用于保持每个时刻预测的所有状态值
q=[1 0 0;0 1 0;0 0 0.5];
Q_cell=cell(Tsim,Tsim);
for i=1:1:Tsim
for j=1:1:Tsim
if i==j
Q_cell{i,j}=q;
else
Q_cell{i,j}=zeros(Nx,Nx);
end
end
end
Q=cell2mat(Q_cell);
R=0.1eye(NuTsim,NuTsim);
for i=1:1:Nr
t_d =Xout(i,3);
a=[1 0 -vd1*sin(t_d)T;
0 1 vd1cos(t_d)*T;
0 0 1;];
b=[cos(t_d)*T 0;
sin(t_d)*T 0;
0 T;];
A_cell=cell(Tsim,1);
B_cell=cell(Tsim,Tsim);
for j=1:1:Tsim
A_cell{j,1}=a^j;
for k=1:1:Tsim
if k<=j
B_cell{j,k}=(a^(j-k))*b;
else
B_cell{j,k}=zeros(Nx,Nu);
end
end
end
A=cell2mat(A_cell);
B=cell2mat(B_cell);
end
%% 以下为绘图部分
figure(2)
subplot(3,1,1);
hold on;
%grid on;
%title(‘状态量-横向坐标X对比’);
xlabel(‘采样时间T’);
ylabel(‘横向位置X’)
subplot(3,1,2);
plot(Tout(1:Nr),Xout(1:Nr,2),‘k–’);
hold on;
%grid on;
%title(‘状态量-横向坐标Y对比’);
xlabel(‘采样时间T’);
ylabel(‘纵向位置Y’)
subplot(3,1,3);
hold on;
%grid on;
hold on;
%title(‘状态量- heta对比’);
xlabel(‘采样时间T’);
ylabel(‘ heta’)
figure(3)
subplot(2,1,1);
%grid on;
%title(‘控制量-纵向速度v对比’);
xlabel(‘采样时间T’);
ylabel(‘纵向速度’)
subplot(2,1,2)
%grid on;
%title(‘控制量-角加速度对比’);
xlabel(‘采样时间T’);
ylabel(‘角加速度’)
figure(4)
subplot(3,1,1);
%grid on;
xlabel(‘采样时间T’);
ylabel(‘e(x)’);
subplot(3,1,2);
%grid on;
xlabel(‘采样时间T’);
ylabel(‘e(y)’);
subplot(3,1,3);
%grid on;
xlabel(‘采样时间T’);
ylabel(‘e( heta)’);
1 matlab版本
2014a
2 参考文献
[1] 张萍.四旋翼飞行器姿态控制建模与仿真[J].电机与控制应用. 2019,46(12)
[2]刘岩,杨牧.四旋翼飞行器飞行控制系统研究与设计[J].山东工业技术. 2019,(07)
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化
2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化
7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长