想象你手里拿着遥控器，想让飞机悬停在空中某个点，这时候位置控制开始干活了。但有个魔鬼细节：电调校准。有次没校准直接上电，四个电机转速差出200多转，飞机离地瞬间就表演了180度空翻。这里有个坑：四个电机的安装位置距离中心轴的距离会影响力矩计算，代码里0.1那个系数就是杆臂长度。别小看这数字，实测时要是飞机总往奇怪方向飘，八成是这参数没调准。四旋翼无人机PID模型，飞行器本体模型，位置控制，姿态控制

简单来说，ADRC把系统中各种不确定因素，像模型误差、外部干扰等，都看成是对系统的“总扰动”，然后想办法估计并补偿这个总扰动，让系统能稳定地按照我们期望的轨迹运行。它就像是给无人机安上了一个聪明的“大脑”，能自动应对各种复杂情况。ADRC算法为四旋翼无人机的轨迹跟踪提供了一种强大且有效的解决方案。通过巧妙地估计和补偿扰动，让无人机在复杂环境下也能尽可能精准地跟踪我们设定的轨迹。当然，实际应用中还需

有一次我把Rp1和Rp2搞反了，结果SoC估计值比真实值超前了20%，调了两天最后发现是观测方程里电阻位置写反了。过程噪声Q和观测噪声R的设置很玄学，建议从1e-6开始试，调大了容易震荡，小了收敛慢。雅可比矩阵求导的时候得特别注意单位统一，上次我忘了把分钟转秒，结果SoC曲线直接飞了。先说说电池模型怎么选。EKF：基于MATLAB/Similink的扩展卡尔曼滤波器EKF的锂电池SoC计算仿真模型

电池SOC估计这事儿，说难不难说简单也不简单。仿真时发现不加这个，SOC在50%附近会抖得像帕金森，加上直接稳如老狗。采用m脚本编写EKF扩展卡尔曼滤波算法，在Simulink模型运行时调用m脚本计算SOC，通过仿真结果可以看出，估算的精度很高，最大误差小于0.4%采用m脚本编写EKF扩展卡尔曼滤波算法，在Simulink模型运行时调用m脚本计算SOC，通过仿真结果可以看出，估算的精度很高，最大误

最近在做一个毫米波雷达的项目，涉及到FPGA上的雷达脉冲压缩和FFT信号处理。不过，经过一番折腾，总算是搞定了，而且还实现了真正的自适应FFT变换，不增加额外资源的那种。在我们的项目中，输入信号的长度是固定的，但信号的频率成分可能会发生变化。这个频率检测模块通过比较输入信号的大小，确定信号的频率成分，并输出一个4位的频率带信号。工程项目是实际操作完成的，在毫米波雷达上使用，不需增加额外资源，真正的

这么多的数据能够为模型的训练提供丰富的样本，让模型更好地学习裂缝的特征和模式。最近在研究裂缝检测相关的项目，发现了一个超棒的资源——一个包含一万多张图片的裂缝检测语义分割数据集。原图片就是我们实际要检测裂缝的图像，而标签图片则标注了图片中哪些区域是裂缝。回到我们的裂缝检测语义分割数据集，有了这样丰富的数据和类似的处理流程，相信能训练出非常强大的裂缝检测模型，为实际工程中的裂缝检测工作提供有力的支持

最近在实验室折腾欠驱动无人船的路径跟踪控制，手头正好有个基于Matlab/Simulink的仿真项目。这玩意儿有意思的地方在于它只有两个推进器（前后各一个），横向运动根本没法直接控制，但偏偏要实现精准的路径跟踪还要自动避障。这仿真项目证明，欠驱动系统玩好了照样能秀操作，关键是算法得懂"四两拨千斤"的巧劲。有次故意在路径上摆了个S形障碍阵，船居然自己走出条最优路线，比我这路痴强多了。不过实际仿真时发

基于模型预测控制（自带的mpc模块）和最优控制理论的Carsim与Matlab/simulink联合仿真实现汽车主动避撞和跟车功能（acc自适应巡航），包含simulink模型（其中有车辆逆纵向动力学模型、逆发动机模型、切换控制逻辑等），Carsim模型，资料。（最好用Carsim2016版本及以上版本，模型不是很难，适合新手初步学习）最近在折腾基于模型预测控制（MPC）的汽车主动避撞和自适应巡航

这套系统现在能在20系显卡上跑出30Hz的定位频率，建图精度控制在±15cm以内。实测比固定参数建图速度快了40%，代价是偶尔在长廊环境会出现鬼影，后来加了运动约束才搞定。别看它现在跑得溜，当初移植代码时差点把键盘砸了——Autoware那套东西实在臃肿得像个两百斤的胖子。注意这里的前视距离是动态计算的，车速越快看得越远。为了让参数生效，不得不重新设计了个参数管理中间件，绕过ROS的参数服务器机制

有源阻尼这块儿，直接在电流内环里塞了个虚拟电阻项，用软件实现硬件阻尼效果。这提醒我们，控制参数设计永远是个系统工程，牵一发动全身。电流内环带宽一般取开关频率的1/10到1/5，这里假设开关频率10kHz，带宽选1.5kHz。三相LCL型并网逆变器在dq旋转坐标系下，采用逆变器机侧电感电流反馈有源阻尼+网侧电流反馈控制策略，给出控制参数设计及Simulink仿真模型搭建，参数设计稳定，并网波形质量良