基于MATLAB和Python的动态系统建模与仿真实例

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。

金钟莱(Jongrae Kim)，英国利兹大学机械工程学院副教授。主要研究领域包括控制系统的鲁棒性分析、优化、随机动态等。他分别在1991年和1995年获得韩国仁荷大学航天工程学士和硕士学位，并在2002年获得美国德州农工大学博士学位。他先后在美国和英国的多所高校从事科研工作，并于2007年加入英国格拉斯哥大学航空工程系。自2014年起，他一直任职于英国利兹大学机械工程系，致力于推动相关领域的学术研究与创新。

前言<br />第1章　引言　1<br />1.1　本书适用范围　1<br />1.2　实例分析　1<br />1.2.1　自由落体　1<br />1.2.2　配体–受体相互作用　12<br />1.3　本书章节安排　18<br />习题　19<br />参考文献　19<br />第2章　姿态估计和控制　21<br />2.1　姿态运动学和传感器　21<br />2.1.1　四元数运动学问题　23<br />2.1.2　陀螺仪传感器模型　29<br />2.1.3　光学传感器模型　51<br />2.2　姿态估计算法　56<br />2.2.1　一个简单的算法　56<br />2.2.2　QUEST算法　58<br />2.2.3　卡尔曼滤波器　59<br />2.2.4　扩展卡尔曼滤波器　67<br />2.3　姿态动力学和控制　78<br />2.3.1　动力学运动方程　78<br />2.3.2　执行器和控制算法　85<br />习题　100<br />参考文献　102<br />第3章　自动驾驶车辆任务规划　105<br />3.1　路径规划　105<br />3.1.1　势场法　105<br />3.1.2　基于图论的采样方法　111<br />3.1.3　复杂障碍物　117<br />3.2　移动目标跟踪　126<br />3.2.1　无人机与移动目标模型　127<br />3.2.2　最优目标跟踪问题　129<br />3.3　跟踪算法的实现　146<br />3.3.1　约束条件　146<br />3.3.2　最优解　150<br />3.3.3　仿真验证　157<br />习题　159<br />参考文献　159<br />第4章　生物系统的建模　161<br />4.1　生物分子间的相互作用　161<br />4.2　确定性建模　161<br />4.2.1　细胞群和多重实验　162<br />4.2.2　大肠杆菌色氨酸调节模型　166<br />4.3　生物振荡　197<br />4.3.1　Gillespie直接法　201<br />4.3.2　仿真实现　203<br />4.3.3　鲁棒性分析　209<br />习题　212<br />参考文献　213<br />第5章　生物系统的控制　217<br />5.1　控制算法的实现　217<br />5.1.1　PI控制器　218<br />5.1.2　误差?P的计算　225<br />5.2　鲁棒性分析：μ-分析法　232<br />5.2.1　简单示例　232<br />5.2.2　合成回路　241<br />习题　252<br />参考文献　252<br />第6章　延伸阅读　254<br />6.1　布尔网络　254<br />6.2　网络结构分析　255<br />6.3　时空建模　256<br />6.4　深度学习神经网络　256<br />6.5　强化学习　257<br />参考文献　257<br />附录　部分习题答案　259