近期的總結

寫在前面：

對於我的課題而言，各種濾波演算法是為了得到狀態估計量z1、z2、z3，然後得到線性控制量v（是以狀態反饋的形式控制的（因為針對非線性模型沒有好的控制方法，所以進行反饋線性化。而對於線性模型，反饋控制是比較常用的）），以此得到非線性控制量u來控制非線性模型。

1、經典控制理論 ——> 現代控制理論（比如自適應控制） ——> 智慧控制理論（比如模糊控制）

  自適應控制用線上性、非線性系統都可以。具體到我的課題，現在研究的AKF是否適合用於非線性模型狀態估計？答案是肯定的。但不是簡單的應用，因為KF不能直接用到非線性系統模型上。在這裡是先用KF/AKF得到線性的狀態量，在得到線性控制率v，再根據v與u的關係得到非線性控制率u，代入非線性系統模型，最終估計出非線性系統模型的狀態量。AEKF、AUKF、ADDF都是自適應非線性卡爾曼濾波。

2、運動控制設計有兩個基本問題：運動規劃和控制演算法。

運動規劃是在給定的路徑端點之間插入用於控制的中間點序列，從而實現沿給定的平穩運動；運動控制則是主要解決如何控制目標系統準確跟蹤指令軌跡的問題。即對於給定的指令軌跡，選擇適合的控制演算法和引數，產生輸出，控制目標實時、準確的跟蹤給定的指令軌跡。

3、三維控制方法分為有模型控制（用那個六維的系統模型）和無模型控制（例如流型控制）。

4、過程噪聲：由於系統存在不確定性，輸入一個量，不一定按照模型走；量測噪聲：感測器、雙目相機等等的不確定性。

5、在孔師兄的文章中，他的模擬影象分為兩大類：不加噪聲和加噪聲。所謂不加噪聲是指：測量值y=C*x或y=C*z去掉了加在後面的測量噪聲，以及把另一個方程的過程噪聲也去掉了。但是在涉及到kalman filter的地方，比如LQG、EKF、UKF中遞推的演算法中還是要有噪聲的，不能把它們去掉或置零。因為kalman filter是用噪聲驅動的。

6、在EKF中，非線性方程需要在平衡點泰勒展開以得到區域性線性化模型。這個區域性線性化是專門為EKF做的，只能用在EKF上。