前段时间师傅让做一个空起系统的建模，结果给忘了，现在趁着这几天疫情封控期间在家搞一搞，断断续续搞了五天，空起系统控制的相关资料很少，还好最后弄出来了，虽然最后还存在点小问题，不过大体上ok的。

导语：这几天在学docker，在学到容器映射端口时，总是无法访问到宿主机的对应端口，这就很纳闷了，IP地址和端口号都是对应的，eth0的IP地址加上容器外端口。不过想了一下，唯一区别是我在云服务器上跑的，可能这点出现了问题，于是找了找方法，成功解决。1. 查看服务器上的防火墙因为我用的是轻量云服务器，所以可在左界面的防火墙内直接进行查看。  在此界面即可看到服务器允许的端口号，由于我之前设置的容器

  终端中报错kafka: client has run out of available brokers to talk to (Is your cluster reachable?)  同时Kafka启动时报错: Opening socket connection to server localhost/127.0.0.1:2181. Will not attempt to authentic

综上可见，强化学习控制器与PID相比各有优劣，不过由于强化学习的训练时长和训练效率很不确定，始终感觉强化学习很不稳定，对参数也很敏感，很玄学，没想象中好用。另外，目前看来，强化学习对于阶跃和斜坡的给定输入来说比较合适，还能跟得上，像正余弦这种强化学习就搞不明白了，得要更多的训练，时间和成本都上去了，并且强化学习目前也只能停留于理论层面，实际落地也还早，感觉强化学习缺点大于优点，总的来说，对强化学习

临近春节没啥事做，突然想起前两年未完成的模糊神经网络，当时是学了一段时间，但是到最后仿真始终不对，最后也不了了之了，趁最近有空，想重新回顾回顾，看看会不会产生新的想法。

前言：最近在搞神经网络，看到有用神经网络逼近未建模动态的，也有用神经网络来逼近整个模型的，后者即是无模型控制。无模型控制它不需要知道系统的名义模型，直接用神经网络来逼近整个系统，感觉这个方法还蛮厉害的。鉴于此，我将此方法用在了六关节机械臂的模型上，最后的控制效果还不错。1. 机械臂动力学方程Mq¨+Nq˙+G+f+d=τM\ddot{q}+N\dot{q}+G+f+d=\tauMq¨​+Nq˙​+

前言：上周开始学习神经网络，觉得挺有意思，神经网络可以作为控制器来实现对模型的自适应的调节，有种不断学习不断完善自身的感觉。

综上可见，强化学习控制器与PID相比各有优劣，不过由于强化学习的训练时长和训练效率很不确定，始终感觉强化学习很不稳定，对参数也很敏感，很玄学，没想象中好用。另外，目前看来，强化学习对于阶跃和斜坡的给定输入来说比较合适，还能跟得上，像正余弦这种强化学习就搞不明白了，得要更多的训练，时间和成本都上去了，并且强化学习目前也只能停留于理论层面，实际落地也还早，感觉强化学习缺点大于优点，总的来说，对强化学习

前言：上周开始学习神经网络，觉得挺有意思，神经网络可以作为控制器来实现对模型的自适应的调节，有种不断学习不断完善自身的感觉。

前言：最近在搞神经网络，看到有用神经网络逼近未建模动态的，也有用神经网络来逼近整个模型的，后者即是无模型控制。无模型控制它不需要知道系统的名义模型，直接用神经网络来逼近整个系统，感觉这个方法还蛮厉害的。鉴于此，我将此方法用在了六关节机械臂的模型上，最后的控制效果还不错。1. 机械臂动力学方程Mq¨+Nq˙+G+f+d=τM\ddot{q}+N\dot{q}+G+f+d=\tauMq¨​+Nq˙​+