首页
›
机器人系统
›
010-机器人运动学
›
《轨迹跟踪入门级调优指南》
VIP20
本课程属于:010-机器人运动学
机器人系统 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
轨迹跟踪入门级调优指南
📚 共计 30 章节
01
轨迹跟踪概述
什么是轨迹跟踪?为什么需要调优?核心评价指标(精度、稳定性、响应速度)介绍。
基础
评价指标
02
坐标系与位姿表示
全局坐标系与局部坐标系、欧拉角与四元数、齐次变换矩阵。
坐标
四元数
03
运动学模型基础
差速轮模型、阿克曼模型、全向轮模型简介。
运动学
底盘
04
PID控制器入门
比例、积分、微分的作用,直观理解与数学表达式。
控制
PID
05
PID参数整定方法
手动试凑法、Ziegler-Nichols法、临界比例度法。
整定
ZN法
06
前馈控制与反馈控制
前馈的作用、前馈与PID结合、前馈表的设计。
前馈
补偿
07
纯跟踪算法 (Pure Pursuit)
基本原理、前视距离的影响、参数调优。
几何
前视
08
斯坦利算法 (Stanley)
基本原理、横向误差与航向误差、参数调优。
Stanley
横向
09
模型预测控制 (MPC) 入门
基本原理、预测时域与控制时域、代价函数设计。
MPC
优化
10
线性二次型调节器 (LQR)
基本原理、状态反馈与黎卡提方程、权重矩阵调优。
LQR
最优
11
轨迹平滑与插值
线性插值、三次样条插值、贝塞尔曲线。
平滑
样条
12
速度规划
梯形速度规划、S形速度规划、时间最优规划。
速度
S形
13
路径跟踪与轨迹跟踪的区别
路径 vs 轨迹、时间维度的引入。
概念
时间
14
传感器融合基础
里程计、IMU、GPS、编码器的特点与融合方式。
传感器
融合
15
卡尔曼滤波入门
状态预测、观测更新、协方差矩阵调优。
KF
滤波
16
扩展卡尔曼滤波 (EKF)
非线性系统的处理、雅可比矩阵。
EKF
非线性
17
无迹卡尔曼滤波 (UKF)
Sigma点选取、无迹变换。
UKF
Sigma
18
粒子滤波 (PF)
重要性采样、重采样、粒子数调优。
PF
粒子
19
轨迹跟踪中的延迟补偿
传感器延迟、执行器延迟、Smith预估器。
延迟
Smith
20
抗积分饱和 (Anti-Windup)
积分饱和现象、条件积分、反馈抑制。
Windup
积分
21
轨迹跟踪中的滤波与平滑
低通滤波、移动平均滤波、一阶滞后滤波。
滤波
平滑
22
仿真环境搭建
Gazebo/Webots/CoppeliaSim选择、ROS集成、仿真 vs 实车。
仿真
ROS
23
调优工具与可视化
rqt_plot、PlotJuggler、Matlab/Octave数据分析。
可视化
工具
24
实车调试注意事项
安全策略、参数边界、日志记录。
实车
安全
25
常见问题与排查
震荡、超调、稳态误差、跟踪发散。
故障
排查
26
性能评估方法
RMSE、最大误差、平均误差、跟踪时间。
评估
RMSE
27
自适应控制入门
增益调度、模型参考自适应控制 (MRAC)。
自适应
MRAC
28
鲁棒控制基础
H无穷控制、滑模控制简介。
鲁棒
滑模
29
学习型控制方法
迭代学习控制 (ILC)、强化学习在轨迹跟踪中的应用。
ILC
强化学习
30
综合案例实战
从仿真到实车,完整调优流程演示。
实战
综合
所属VIP或分类
同VIP:人形机器人全身协调运动控制
同VIP:人形机器人步态建模与控制参数整定
同VIP:任务执行中的实时轨迹规划