融合 GWO 与 LQR 的轨迹跟踪优化研究工具

本工具是一款专业的 自动驾驶轨迹跟踪优化分析系统, 基于 GWO 算法 全局寻优能力与 LQR 控制 局部调节优势。 针对 自动驾驶车辆 在复杂工况下的轨迹跟踪问题,智能求解最优加权矩阵 Q 和 R, 显著提升系统的 跟踪精度与横向稳定性

参数配置
1 积分
双移线
圆形轨迹
直线加速
泊车入库
城市道路
高速避障
优化结果报告
GWO-LQR优化工具
请在侧配置参数以开始
用户评分
4.3 / 5.0
14 人已评价

GWO-LQR 融合控制原理

GWO 灰狼优化

模拟灰狼群体的社会等级和狩猎行为,用于全局搜索 LQR 控制器的最优加权矩阵 Q 和 R,解决传统试凑法效率低的问题。

LQR 线性二次调节

基于车辆线性误差模型,通过最小化性能指标函数计算最优控制律,实现车辆对参考轨迹的精确跟踪。

常见问题

适用哪些车型?

适用于前轮转向的阿克曼转向车辆模型,包括乘用车、部分商用车及自动驾驶原型车。

如何解读结果?

结果包含最优Q/R矩阵参数、跟踪误差收敛曲线及控制输入量,可直接用于仿真软件(如CarSim/Simulink)验证。

主题已切换 已为您开启护眼模式