توضیحات
همه چیز درباره شبیه سازی و ریاضیات ماشین های خودراندر پایتون قسمت دوم
نام دوره : Applied Control Systems 2: autonomous cars (360 tracking)
پیش نیاز:
- حساب پایه: توابع، مشتقات، انتگرال
- ضرب بردار-ماتریس
- دوره Udemy: سیستم های کنترل کاربردی 1: اتومبیل های خودران (ریاضی + PID + MPC)
- بعد از این دوره قسمت سوم آن پیشنهاد می شود
توضیحات:
چگونه می‌توانید اتومبیل‌های خودران یک مسیر کلی را در یک هواپیمای دوبعدی دنبال کنند و چگونه مطمئن می‌شوید که سرعت‌ها، شتاب‌ها و زوایای فرمان اتومبیل‌های خودمختار در مقادیر حداقل و حداکثر واقعی خود باقی می‌مانند؟
اسم من مارک است. من یک مهندس هوافضا و رباتیک هستم و در این دوره، شهود، ریاضیات و پیاده سازی پایتون را برای همه اینها به شما می دهم.
این دوره ادامه مستقیم درس “سیستم های کنترل کاربردی 1: ماشین های خودران: ریاضی + PID + MPC است.
در دوره قبلی الگوریتم کنترل پیش بینی مدل (MPC) فقط به خودروهای خودران اجازه می داد که در یک جاده مستقیم خط خود را تغییر دهند.
ما یک تقریب زاویه کوچک را برای تبدیل مدل غیرخطی خود به زمان ثابت (LTI) اعمال کردیم.
با این حال، در این دوره، این ساده‌سازی را حذف می‌کنیم و به شما نشان می‌دهم که چگونه می‌توانید یک کنترل‌کننده MPC خطی را با قرار دادن آن در یک فرم Linear Parameter Varying ابتدا روی یک سیستم غیرخطی اعمال کنید.
با استفاده از این تکنیک بسیار محبوب، ماشین شما قادر خواهد بود یک مسیر دو بعدی عمومی را ردیابی کند.
علاوه بر این، یاد خواهید گرفت که چگونه از حل کننده های درجه دوم مانند qpsolvers و quadprog برای اعمال محدودیت های MPC در اتومبیل های خودران استفاده کنید.
در اکثر مشکلات کنترل، شما باید محدودیت هایی را در نظر بگیرید تا سیستم خود را در مقادیر معقول نگه دارید.
دانشی که از دوره همه چیز درباره شبیه سازی و ریاضیات ماشین های خودران در پایتون قسمت دوم به دست می آورید جهانی است و می توان آن را در بسیاری از سیستم ها در مهندسی سیستم های کنترل به کار برد.
دوره همه چیز درباره شبیه سازی و ریاضیات ماشین های خودران در پایتون قسمت دوم برای چه کسانی است:
- دانشجویان علوم و مهندسی
- دانشمندان و مهندسان فعال
- علاقه مندان به مهندسی کنترل
یودمی ایران –
دوره درخواستی خود را از راه های ارتباطی درخواست کنید