【无人水面艇路径跟随控制10】(Matlab)USV代码阅读:testUSV仿真无人水面艇在一定时间内的运动,使用欧拉法对状态进行积分,并绘制仿真结果

news2024/10/10 11:41:25

【无人水面艇路径跟随控制10】(Matlab)USV代码阅读:仿真无人水面艇在一定时间内的运动,使用欧拉法对状态进行积分,并绘制仿真结果

  • 写在最前面
  • testUSV.m
    • 总结
    • 代码详解
      • 1. **初始化部分**
      • 2. **仿真循环**
      • 3. **仿真数据提取**
      • 4. **绘制仿真结果**
      • 5. **绘制其他图像**
    • 全部代码


请添加图片描述

🌈你好呀!我是 是Yu欸
🌌 2024每日百字篆刻时光,感谢你的陪伴与支持 ~
🚀 欢迎一起踏上探险之旅,挖掘无限可能,共同成长!

写在最前面

版权声明:本文为原创,遵循 CC 4.0 BY-SA 协议。转载请注明出处。

USV-path-following
USV路径跟踪LOS控制算法仿真

阅读代码:https://github.com/quyinsong/USV-path-following
运行效果:

在这里插入图片描述

请添加图片描述

testUSV.m

这段 MATLAB 代码用于测试 USV(Unmanned Surface Vehicle,无人水面艇) 的运动模型。代码通过仿真无人水面艇在一定时间内的运动,使用欧拉法对状态进行积分,并绘制仿真结果。

总结

  • 该代码实现了对无人水面艇(USV)的运动仿真,模拟了船舶在风、流等干扰下的运动过程。
  • 使用 PID 控制器来调节船舶的推进力和航向角力矩,通过调用 USV 函数计算船舶状态导数,再使用欧拉法更新状态。
  • 仿真过程中动态调整控制输入(如航向力矩),并实时绘制船舶的运动轨迹和相关状态变量的变化。

代码详解

下面逐步解释代码的各个部分:

1. 初始化部分

ts = 0.1;                 % 采样时间
tfinal = 20;              % 仿真结束时间
Ns = tfinal/ts;           % 仿真步数
Vw = 0; betaw = 30 * pi / 180;
wind = [Vw betaw]';       % 风的速度和角度
Vc = 0; betac = 30 * pi / 180;
current = [Vc betac]';    % 水流的速度和角度

tao = [10 0 0]';          % 初始控制输入力矩
tao0 = tao;
d = [0 0 0]';             % 扰动(假设无扰动)
x = [0 0 0 2 5 0]';       % 初始状态:[u v r x y psai]
x0 = x;
  • ts:仿真时间步长。
  • tfinal:仿真总时间,单位是秒。
  • Ns:仿真步数,即仿真总时长除以步长。
  • windcurrent:分别表示风速和水流速度,风和水流的角度(弧度制)通过 betawbetac 指定。
  • tao:控制输入向量,分别是船舶的推进力、横向力和航向力矩。
  • x:初始状态向量,包含速度(u, v, r)以及位置(x, y)和航向角 psai

2. 仿真循环

disp('Simulation ... ');
for k = 1:1:Ns
    time(1) = 0;
    time(k+1) = k * ts;
    
    if x(6)*180/pi >= 360
        x(6) = x(6) - 2*pi;
    end
    if x(6)*180/pi <= -360
        x(6) = x(6) + 2*pi;
    end

    if k * ts >= 5
        tao = [10 0 1 * pi / 180]';  % 调整控制力矩,增加航向力矩
    end
    Ttao(1,:) = tao0';
    Ttao(k+1,:) = tao';
    
    % 计算状态导数
    xdot = USV(x, tao, wind, current, d);
    
    % 使用欧拉法更新状态
    x = euler2(xdot, x, ts);
    
    % 存储每步状态
    xout(1,:) = x0;
    xout(k+1,:) = x';
end
  • time:记录每一步的仿真时间。
  • x(6) 的航向角超过 360 度或小于 -360 度时,通过减去或加上 2*pi 来归一化航向角。
  • 当时间超过 5 秒时,控制输入 tao 中的航向力矩被调整为 1 * pi / 180,引入了一个小的航向力矩。
  • USV(x, tao, wind, current, d):调用 USV 函数计算状态导数 xdot
  • euler2(xdot, x, ts):使用欧拉法数值积分,更新状态 x
  • xout:用于存储每一步的状态。

3. 仿真数据提取

u = xout(:,1);
v = xout(:,2);
r = xout(:,3);
N = xout(:,4);
E = xout(:,5);
psai = xout(:,6);
  • 从仿真结果 xout 中提取各个状态变量的时间序列,包括:
    • u:纵向速度。
    • v:横向速度。
    • r:航向角速度。
    • N:北向位置。
    • E:东向位置。
    • psai:航向角。

4. 绘制仿真结果

disp('plot ...');
for k = 1:1:Ns
    pos = [N(k) E(k)]';
    if k == 1
        modelplot(pos, psai(k));  % 初始位置的船舶模型绘制
    end
    if rem(k,10) == 0
        modelplot(pos, psai(k));  % 每 10 步绘制一次
    end
end

plot(E, N, 'r', 'linewidth', 2)  % 绘制航迹线
hold off;
  • modelplot(pos, psai(k)):调用 modelplot 函数绘制船舶模型,在第一个位置和每 10 步时绘制一次船舶的位置。
  • plot(E, N, 'r', 'linewidth', 2):绘制仿真过程中船舶的航迹,红色线条表示船舶在仿真过程中的运动轨迹。

5. 绘制其他图像

figure(2);
plot(time, psai * 180 / pi, 'r', 'linewidth', 2);  % 绘制航向角随时间变化
xlabel('time/s'); ylabel('psai/deg');

figure(3);
plot(E, N, 'r', 'linewidth', 2)  % 绘制东、北坐标的变化
xlabel('E'); ylabel('N');

figure(4);
plot(time, u, 'r', 'linewidth', 2)  % 绘制纵向速度随时间变化
xlabel('time/s'); ylabel('u (m/s)');

figure(5);
plot(time, Ttao(:,1), 'r', time, Ttao(:,2), 'k', time, Ttao(:,3), 'b', 'linewidth', 2)  % 绘制控制输入
xlabel('time/s'); ylabel('u (m/s)');
  • 图 2:绘制航向角 psai 随时间的变化,显示船舶的转向行为。
  • 图 3:再次绘制东向 E 和北向 N 的变化轨迹。
  • 图 4:绘制纵向速度 u 随时间的变化。
  • 图 5:绘制控制输入 tao 的变化,包括三个力矩分量:推进力(红色)、横向力(黑色)和航向力矩(蓝色)。

全部代码

% Author: Quyinsong
% Data: 14th Jan 2022
% test the USV function
clc 
clear all
close all
% initial
ts=0.1;                 % sample time
tfinal =20;             % simulation final time
Ns =tfinal/ts;          % step number of simulation
Vw=0; betaw=30*pi/180;
wind=[Vw betaw]';       % wind
Vc=0; betac=30*pi/180;
current=[Vc betac]';    % current

tao=[10 0 0]'; 
tao0=tao;
d=[0 0 0]';
x=[0 0 0 2 5 0]';
x0=x;
% simulation start
disp('Simulation ... ');
for k=1:1:Ns
    time(1)=0;
    time(k+1)=k*ts;
    
    if x(6)*180/pi>=360
        x(6)=x(6)-2*pi;
    end
    if x(6)*180/pi<=-360
        x(6)=x(6)+2*pi;
    end

    if k*ts>=5
        tao=[10 0 1*pi/180]';
    end
    Ttao(1,:)=tao0';
    Ttao(k+1,:)=tao';
    % time derivatives
    xdot=USV(x,tao,wind,current,d);
    % update states
    x=euler2(xdot,x,ts);
    % store time series
    xout(1,:)=x0;
    xout(k+1,:)=x';
    
end
u=xout(:,1);
v=xout(:,2);
r=xout(:,3);
N=xout(:,4);
E=xout(:,5);
psai=xout(:,6);
% testUSV plot
disp('plot ...');
for k=1:1:Ns
    pos =[N(k) E(k)]';
    if k==1
        modelplot(pos,psai(k));
    end
    if rem(k,10)==0
        modelplot(pos,psai(k));
    end   
end
plot(E,N,'r','linewidth',2)
hold off;
figure(2);
plot(time,psai*180/pi,'r','linewidth',2);
xlabel('time/s');ylabel('psai/deg');
figure(3);
plot(E,N,'r','linewidth',2)
xlabel('E');ylabel('N');
figure(4);
plot(time,u,'r','linewidth',2)
xlabel('time/s');ylabel('u (m/s)');
figure(5);
plot(time,Ttao(:,1),'r',time,Ttao(:,2),'k',time,Ttao(:,3),'b','linewidth',2)
xlabel('time/s');ylabel('u (m/s)');


    

hello,我是 是Yu欸 。如果你喜欢我的文章,欢迎三连给我鼓励和支持:👍点赞 📁 关注 💬评论,我会给大家带来更多有用有趣的文章。
原文链接 👉 ,⚡️更新更及时。

欢迎大家添加好友交流。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2201892.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【力扣刷题实战】(顺序表)移除元素

大家好&#xff0c;我是小卡皮巴拉 文章目录 目录 力扣题目&#xff1a; 移除元素 题目描述 示例 1&#xff1a; 示例 2&#xff1a; 解题思路 具体思路 题目要点 完整代码 兄弟们共勉 &#xff01;&#xff01;&#xff01; 每篇前言 博客主页&#xff1a;小卡…

AI测试入门:认识Graph RAG

AI测试入门&#xff1a;认识Graph RAG 前言1. 什么是Graph RAG&#xff1f;2. Graph RAG的工作原理3. Graph RAG的应用场景4. Graph RAG的技术实现5. Graph RAG的优势6. Graph RAG的实际应用案例总结 前言 传统的检索增强生成&#xff08;RAG&#xff09;方法逐渐暴露出一些局限…

高被引算法GOA优化VMD,结合Transformer-SVM的轴承诊断,保姆级教程!

本期采用2023年瞪羚优化算法优化VMD&#xff0c;并结合Transformer-SVM实现轴承诊断&#xff0c;算是一个小创新方法了。需要水论文的童鞋尽快&#xff01; 瞪羚优化算法之前推荐过&#xff0c;该成果于2023年发表在计算机领域三区SCI期刊“Neural Computing and Applications”…

DockerCompose 启动 open-match

背景介绍 open-match是Google和unity联合开源的支持实时多人匹配的框架&#xff0c;已有多家游戏厂商在生产环境使用&#xff0c;官网 https://open-match.dev/site/ 。原本我们使用的是UOS上提供的匹配能力&#xff0c;但是UOS目前不支持自建的Dedicated servers 集群&#x…

【万字长文】Word2Vec计算详解(一)CBOW模型

【万字长文】Word2Vec计算详解&#xff08;一&#xff09;CBOW模型 写在前面 本文用于记录本人学习NLP过程中&#xff0c;学习Word2Vec部分时的详细过程&#xff0c;本文与本人写的其他文章一样&#xff0c;旨在给出Word2Vec模型中的详细计算过程&#xff0c;包括每个模块的计…

LLM4Rec最新工作: 字节发布用于序列推荐的分层大模型HLLM

前几个月 Meta HSTU 点燃各大厂商对 LLM4Rec 的热情&#xff0c;一时间&#xff0c;探索推荐领域的 Scaling Law、实现推荐的 ChatGPT 时刻、取代传统推荐模型等一系列话题让人兴奋&#xff0c;然而理想有多丰满&#xff0c;现实就有多骨感&#xff0c;尚未有业界公开真正复刻 …

微服务架构---认识Zuul

目录 认识Zuul简单的例子 第一个Zuul程序步骤1&#xff1a;创建父工程zuul-1步骤2&#xff1a;创建HystrixController类步骤3&#xff1a;搭建服务消费者eureka-consumer项目&#xff08;1&#xff09;创建一个config包&#xff0c;在config包下新建配置类RestConfig&#xff0…

别再浪费时间!利用ChatGPT写作提效神器,赶紧收藏!

在信息化迅猛发展的当下&#xff0c;写作已成为我们日常中不可或缺的组成部分。论是在撰写报告、进行学术论文创作&#xff0c;还是写博客内容&#xff0c;写作都是我们思想和观点的核心手段。然而&#xff0c;写作非易事&#xff0c;它常需要我们付出大量的时间和精力。那么&a…

Superset SQL模板使用

使用背景 有时想让表的时间索引生效&#xff0c;而不是在最外层配置报表时&#xff0c;再套多一层时间范围。这时可以使用SQL模板 参考官方文档 https://superset.apache.org/docs/configuration/sql-templating/#:~:textSQL%20Lab%20and%20Explore%20supports%20Jinja 我…

vscode中的Code Runner配置----output中文乱码(设置默认使用cmd运行文件)、设置当前文件夹为根路径

问题描述 1. 存在中文显示异常&#xff0c;以及输出用Output输出的问题 解决方法&#xff1a; 把终端改为 cmd。如果是就不用替换了 修改RunCode的配置 完成&#xff0c;下面点击 run code就在cmd中运行了 2. 设置当前文件夹为根路径 code runner 的默认根路径是当前项目…

C#中Assembly3个获取路径的方法

在C#中&#xff0c;经常要获取路径 &#xff0c;可以通过Assembly的三个重载方法来获取&#xff0c;如下所示这三个分别是GetCallingAssembly、GetEntryAssembly和GetExecutingAssembly。 string tmpEntryPath Assembly.GetEntryAssembly().Location;string tmpExeasmPath As…

嵌入式面试——C语言和数据结构篇(二)

本篇为C语言和数据结构篇&#xff08;二&#xff09; 1、关键字static的作用是什么&#xff1f; 答&#xff1a; 在C语言中&#xff0c;关键字static有三个明显的作用&#xff1a; 1>在函数体&#xff0c;一个被声明为静态的变量在这一函数被调用过程中维持其值不变。 2&…

深度解读数字化转型的核心驱动因素与实践指南从战略到落地

数字化转型的战略重心 在当今商业环境中&#xff0c;数字化转型不仅是企业提升效率的工具&#xff0c;更是创造竞争优势的必要条件。随着技术的飞速发展&#xff0c;企业在面对市场动态变化时&#xff0c;依赖于其数字化基础设施、数据处理能力以及对新技术的敏捷反应能力&…

嵌入式面试——FreeRTOS篇(六) 任务通知

本篇为&#xff1a;FreeRTOS 任务通知篇 任务通知简介 1、任务通知介绍 答&#xff1a; 任务通知&#xff1a;用来通知任务的&#xff0c;任务控制块中的结构体成员变量ulNotifiedValue就是这个通知值。 使用队列、信号量、事件标志组时都需要另外创建一个结构体&#xff0c…

【JAVA开源】基于Vue和SpringBoot的高校学科竞赛平台

本文项目编号 T 075 &#xff0c;文末自助获取源码 \color{red}{T075&#xff0c;文末自助获取源码} T075&#xff0c;文末自助获取源码 目录 一、系统介绍二、演示录屏三、启动教程四、功能截图五、文案资料5.1 选题背景5.2 国内外研究现状5.3 可行性分析 六、核心代码6.1 教…

如何使用DAMODEL进行AI开发教程

DAMODEL&#xff1a;DAMODEL 目前DAmodel注册并实名赠送50大洋的免费额度&#xff0c;搭载4090的服务器费用不到2r/h 教程&#xff1a; 完成注册并实名后 在此点击创建实例 选择实例配置 选择镜像&#xff0c;看你使用哪种dl框架 设置完毕后创建密钥并选择该密钥。 创建…

防火墙的三种工作模式:路由模式、透明模式(网桥)、混合模式

防火墙作为网络安全的核心设备之一&#xff0c;扮演着至关重要的角色。它不仅能够有效防御外部网络的攻击&#xff0c;还能保护内部网络的安全。在如今复杂多样的网络环境下&#xff0c;防火墙的部署和工作模式直接影响着网络安全策略的实施效果。防火墙通常可以工作在三种模式…

论文阅读笔记-Self-Attention

前言 Self-Attention能够将每个元素和当前时刻元素进行比较来确定上下文元素的重要性,这也使得它在NLP模型中表现优异。而本篇文章则是将卷积结构与Self-Attention结构进行了比较,通过 实验证明了这样的卷积结构同样有着高效的计算和足以和Self-Attention媲美的效果。本篇文…

【AAOS】Android Automotive 9模拟器源码下载及编译

源码下载 repo init -u https://android.googlesource.com/platform/manifest -b android-9.0.0_r61 repo sync -c --no-tags --no-clone-bundle 源码编译 source build/envsetup.sh lunch aosp_car_x86_64-userdebug make -j8 运行效果 emulator Home界面 MAP All apps S…

python爬虫 - 数据提取

&#x1f308;个人主页&#xff1a;https://blog.csdn.net/2401_86688088?typeblog &#x1f525; 系列专栏&#xff1a;https://blog.csdn.net/2401_86688088/category_12797772.html 目录 前言 一、数据类型及其对应的提取策略 &#xff08;一&#xff09;文本数据 &…