控制之美：最優(yōu)化控制MPC與卡爾曼濾波器（卷2）

目錄
第1章緒論
1.1動(dòng)態(tài)系統(tǒng)與控制系統(tǒng)
1.2本書的內(nèi)容與特點(diǎn)
第2章數(shù)學(xué)基礎(chǔ)
2.1線性時(shí)不變系統(tǒng)狀態(tài)空間方程的解
2.2連續(xù)系統(tǒng)離散化
2.2.1系統(tǒng)離散化的基本概念
2.2.2連續(xù)系統(tǒng)狀態(tài)空間方程離散化
2.3矩陣與向量的導(dǎo)數(shù)
2.3.1標(biāo)量方程對(duì)向量的導(dǎo)數(shù)
2.3.2向量方程對(duì)向量的導(dǎo)數(shù)
2.3.3常用的矩陣求導(dǎo)公式
2.3.4標(biāo)量方程對(duì)向量求導(dǎo)的鏈?zhǔn)椒▌t
2.3.5標(biāo)量方程對(duì)矩陣的導(dǎo)數(shù)
2.4向量矩陣求導(dǎo)的應(yīng)用——線性回歸
2.4.1解析解
2.4.2梯度下降法
2.5本章重點(diǎn)公式總結(jié)
第3章最優(yōu)控制的基本概念
3.1引子——獨(dú)輪車模型
3.1.1數(shù)學(xué)模型建立
3.1.2最優(yōu)控制場(chǎng)景分析
3.2最優(yōu)控制問題的組成與性能指標(biāo)
3.2.1最優(yōu)控制問題的組成
3.2.2常見的最優(yōu)控制問題
3.3控制問題構(gòu)建以及性能指標(biāo)的選擇
3.3.1平衡車控制
3.3.2無人機(jī)高度控制
3.4本章重點(diǎn)公式總結(jié)
第4章動(dòng)態(tài)規(guī)劃與線性二次型調(diào)節(jié)器
4.1貝爾曼最優(yōu)化理論
4.2數(shù)值方法
4.2.1問題提出——無人機(jī)高度控制
4.2.2暴力算法
4.2.3逆向分級(jí)求解方法
4.2.4動(dòng)態(tài)規(guī)劃查表法
4.2.5代碼分析與編程技巧
4.3解析方法——動(dòng)態(tài)規(guī)劃的遞歸關(guān)系
4.3.1動(dòng)態(tài)規(guī)劃的遞歸關(guān)系——離散系統(tǒng)
4.3.2離散型一維案例分析——動(dòng)態(tài)規(guī)劃遞歸算法
4.3.3動(dòng)態(tài)規(guī)劃的遞歸關(guān)系——連續(xù)系統(tǒng)
4.3.4連續(xù)型一維案例分析——HJB方程
4.4線性二次型調(diào)節(jié)器
4.4.1離散型線性二次型系統(tǒng)
4.4.2離散型一維案例分析——LQR方法
4.4.3連續(xù)型線性二次型系統(tǒng)
4.4.4連續(xù)型一維案例分析——LQR方法
4.4.5平衡車控制——連續(xù)系統(tǒng)案例分析
4.5軌跡追蹤問題分析
4.5.1問題提出——彈簧質(zhì)量阻尼系統(tǒng)
4.5.2引入控制目標(biāo)誤差
4.5.3穩(wěn)態(tài)非零參考值控制
4.5.4輸入增量控制
4.5.5輸入增量控制——追蹤非常數(shù)參考值
4.6無人機(jī)控制案例分析
4.6.1模型與系統(tǒng)的建立
4.6.2無約束軌跡追蹤
4.6.3對(duì)輸入的約束
4.7本章重點(diǎn)公式總結(jié)
第5章模型預(yù)測(cè)控制
5.1模型預(yù)測(cè)控制的基本概念
5.2二次規(guī)劃問題
5.2.1無約束情況的解析解
5.2.2等式約束——拉格朗日乘數(shù)法
5.2.3不等式約束——數(shù)值方法與商業(yè)軟件
5.3模型預(yù)測(cè)控制推導(dǎo)——無約束調(diào)節(jié)問題
5.3.1線性離散系統(tǒng)轉(zhuǎn)化為標(biāo)準(zhǔn)形式
5.3.2將性能指標(biāo)轉(zhuǎn)化為二次規(guī)劃的標(biāo)準(zhǔn)形式
5.3.3無約束條件下的解析解
5.3.4一維案例分析——與LQR的比較
5.3.5一維案例分析——MPC控制器的反饋特性
5.4軌跡追蹤問題分析
5.4.1穩(wěn)態(tài)非零參考值控制
5.4.2輸入增量控制
5.5含有約束的模型預(yù)測(cè)控制
5.5.1約束轉(zhuǎn)化為標(biāo)準(zhǔn)形式
5.5.2控制量和狀態(tài)變量上下限約束轉(zhuǎn)化為標(biāo)準(zhǔn)形式
5.5.3案例分析——軟約束與硬約束的討論
5.6案例分析——無人機(jī)高度控制
5.6.1控制器的構(gòu)建與結(jié)果分析
5.6.2預(yù)測(cè)區(qū)間的影響
5.6.3采樣時(shí)間的選擇
5.7MPC的發(fā)展方向討論
5.8本章重點(diǎn)公式總結(jié)
第6章卡爾曼濾波器
6.1遞歸算法與數(shù)據(jù)融合
6.2概率論初步，數(shù)據(jù)融合與協(xié)方差矩陣
6.2.1連續(xù)型隨機(jī)變量的期望與方差
6.2.2正態(tài)分布
6.2.3測(cè)量誤差融合案例
6.2.4協(xié)方差與協(xié)方差矩陣——統(tǒng)計(jì)學(xué)直觀理解
6.2.5協(xié)方差與協(xié)方差矩陣——隨機(jī)變量
6.3線性卡爾曼濾波器推導(dǎo)
6.3.1卡爾曼濾波器的研究模型
6.3.2卡爾曼增益求解
6.3.3卡爾曼濾波器算法說明
6.4案例分析
6.4.1仿真測(cè)試準(zhǔn)備工作
6.4.2仿真結(jié)果與討論
6.4.3卡爾曼濾波器與MPC控制器的結(jié)合
6.5擴(kuò)展卡爾曼濾波器
6.5.1擴(kuò)展卡爾曼濾波器算法
6.5.2案例分析
6.6本章重點(diǎn)公式總結(jié)
附錄A代碼匯總與說明
參考文獻(xiàn)