内容简介
本书详细介绍了基于MATLAB和Python的动态系统建模与分析所需的一系列控制主题及高级编程技能。首先对姿态估计与控制进行了全面介绍，包括姿态运动学、传感器以及用于姿态估计的扩展卡尔曼滤波器。然后对自动驾驶车辆任务规划进行了实用讨论，包括无人机路径规划和移动目标跟踪。接着对生物系统建模进行了综合探索，包括生物分子网络和随机建模。最后对使用生物系统的控制算法以及其实现进行了深入研究。本书对于期望使用控制理论进行动态系统建模和分析，并熟练掌握相关编程技能的学生或工程师来说，是不可或缺的资源。
目录
前言
第1章 引言 1
1.1 本书适用范围 1
1.2 实例分析 1
1.2.1 自由落体 1
1.2.2 配体–受体相互作用 12
1.3 本书章节安排 18
习题 19
参考文献 19
第2章 姿态估计和控制 21
2.1 姿态运动学和传感器 21
2.1.1 四元数运动学问题 23
2.1.2 陀螺仪传感器模型 29
2.1.3 光学传感器模型 51
2.2 姿态估计算法 56
2.2.1 一个简单的算法 56
2.2.2 QUEST算法 58
2.2.3 卡尔曼滤波器 59
2.2.4 扩展卡尔曼滤波器 67
2.3 姿态动力学和控制 78
2.3.1 动力学运动方程 78
2.3.2 执行器和控制算法 85
习题 100
参考文献 102
第3章 自动驾驶车辆任务规划 105
3.1 路径规划 105
3.1.1 势场法 105
3.1.2 基于图论的采样方法 111
3.1.3 复杂障碍物 117
3.2 移动目标跟踪 126
3.2.1 无人机与移动目标模型 127
3.2.2 最优目标跟踪问题 129
3.3 跟踪算法的实现 146
3.3.1 约束条件 146
3.3.2 最优解 150
3.3.3 仿真验证 157
习题 159
参考文献 159
第4章 生物系统的建模 161
4.1 生物分子间的相互作用 161
4.2 确定性建模 161
4.2.1 细胞群和多重实验 162
4.2.2 大肠杆菌色氨酸调节模型 166
4.3 生物振荡 197
4.3.1 Gillespie直接法 201
4.3.2 仿真实现 203
4.3.3 鲁棒性分析 209
习题 212
参考文献 213
第5章 生物系统的控制 217
5.1 控制算法的实现 217
5.1.1 PI控制器 218
5.1.2 误差?P的计算 225
5.2 鲁棒性分析：μ-分析法 232
5.2.1 简单示例 232
5.2.2 合成回路 241
习题 252
参考文献 252
第6章 延伸阅读 254
6.1 布尔网络 254
6.2 网络结构分析 255
6.3 时空建模 256
6.4 深度学习神经网络 256
6.5 强化学习 257
参考文献 257
附录 部分习题答案 259
前言/序言
本书主要介绍动态系统的建模和仿真，以及控制系统的设计和分析，并给出了MATLAB或Python的示例程序供控制工程师学习。本书假设读者具有常微分方程、向量微积分、概率论和基本编程知识。
书中所有的MATLAB和Python程序都已在MATLAB R2021a和Python 3.8中得到了验证，为避免运行过程中发生混乱，这些程序大多是独立的。对多个程序进行联合编程将作为一项进阶技能，读者可在阅读本书后自行学习。
本书的撰写离不开我的老师和合作者的帮助，在此对Jinho Kim博士、John L. Crassidis教授、Joao P. Hespanhna教授、Declan G. Bates教授、Daizhan Cheng博士、Kwang-Hyun Cho教授、Frank Pollick教授，以及Rajeev Krishnadas博士表示衷心的感谢。
本书配套网站www.wiley.com/go/kim/dynamicmodeling上含有各章习题的参考答案，以及对应的MATLAB和Python程序代码。
