可以运行，二级倒立摆的建模、线性化S函数的PID控制以及非线性化S函数的PID控制，(1)根据牛顿运动定律或者拉格朗日方程，建立直线型二级倒立摆的非线性运动模型，给出系统运动的形态方程。
(2)对非线性运动模型进行线性化，针对线性化模型采用极点配置或者PID控制的方法，设计直线型二级倒立摆的控制方案，给出控制律设计方法；
(3)分别针对有扰动和无扰动两种情况下，采用Matlab软件进行仿真，编写倒立摆非线性运动模型的S函数，结合设计的控制方案，给出Matlab仿真的框图，并给出仿真结果。
(2)对非线性运动模型进行线性化，针对线性化模型采用极点配置或者PID控制的方法，设计直线型二级倒立摆的控制方案，给出控制律设计方法；
(3)分别针对有扰动和无扰动两种情况下，采用Matlab软件进行仿真，编写倒立摆非线性运动模型的S函数，结合设计的控制方案，给出Matlab仿真的框图，并给出仿真结果。
2021/8/8 11:27:25
1.2MB
1
《最优化方法与程序设计》一书作者为倪勤，本书系统地介绍了非线性优化基本理论、方法与程序设计。
主要内容有：线搜索与信赖域法，最速下降法与牛顿法，共轭梯度法，拟牛顿法，非线性最小二乘问题的解法，罚函数法，可行方向法，二次规划问题的解法，序列二次规划法等。
本书的主要阅读对象是数学专业的本科生与研究生，非数学专业的研究生，对优化方法感兴味的教师与科学技术人员。
读者需要具备微积分、线性代数和Matlab语言方面的初步知识。
主要内容有：线搜索与信赖域法，最速下降法与牛顿法，共轭梯度法，拟牛顿法，非线性最小二乘问题的解法，罚函数法，可行方向法，二次规划问题的解法，序列二次规划法等。
本书的主要阅读对象是数学专业的本科生与研究生，非数学专业的研究生，对优化方法感兴味的教师与科学技术人员。
读者需要具备微积分、线性代数和Matlab语言方面的初步知识。
2017/2/21 22:55:53
25.28MB
1
我的思路是这样的：最速下降法能找出全局最优点，但在接近最优点的区域内就会陷入“齿型”迭代中，使其每进行一步迭代都要花掉非常久的时间，这样长久的等待是无法忍耐的，不信你就在我那个程序的第一步迭代中把精度取得很小如：0.000000001等，其实我等过一个钟都没有什么结果出来。
再者我们考究一下牛顿迭代法求最优问题，牛顿法相对最速下降法的速度就快得多了，而且还有一个好处就是能高度逼近最优值，而不会出现死等待的现象。
如后面的精度，你可以取如：0.0000000000001等。
但是牛顿法也有缺点，就是要求的初始值非常严格，如果取不好，逼近的最优解将不收敛，甚至不是最优解。
就算收敛也不能保证那个结就是全局最优解，所以我们的出发点应该是：为牛顿法找到一个好的初始点，而且这个初始点应该是在全局最优点附近，这个初始点就能保证牛顿法高精度收敛到最优点，而且速度还很快。
思路概括如下：1。
用最速下降法在大范围找到一个好的初始点给牛顿法：（最速下降法在精度不是很高的情况下逼近速度也是蛮快的）2。
在最优点附近改用牛顿法，用最速下降法找到的点为牛顿法的初始点，提高逼近速度与精度。
3。
这样两种方法相结合，既能提高逼近的精度，还能提高逼近的速度，而且还能保证是全局最优点。
这就充分吸收各自的优点，扬长避短。
得到理想的结果了。
再者我们考究一下牛顿迭代法求最优问题，牛顿法相对最速下降法的速度就快得多了，而且还有一个好处就是能高度逼近最优值，而不会出现死等待的现象。
如后面的精度，你可以取如：0.0000000000001等。
但是牛顿法也有缺点，就是要求的初始值非常严格，如果取不好，逼近的最优解将不收敛，甚至不是最优解。
就算收敛也不能保证那个结就是全局最优解，所以我们的出发点应该是：为牛顿法找到一个好的初始点，而且这个初始点应该是在全局最优点附近，这个初始点就能保证牛顿法高精度收敛到最优点，而且速度还很快。
思路概括如下：1。
用最速下降法在大范围找到一个好的初始点给牛顿法：（最速下降法在精度不是很高的情况下逼近速度也是蛮快的）2。
在最优点附近改用牛顿法，用最速下降法找到的点为牛顿法的初始点，提高逼近速度与精度。
3。
这样两种方法相结合，既能提高逼近的精度，还能提高逼近的速度，而且还能保证是全局最优点。
这就充分吸收各自的优点，扬长避短。
得到理想的结果了。
2021/8/24 8:13:46
3KB
1
计算方法常用算法，牛顿迭代法求解方程组，可以输出线性或非线性方程组，IDE为VS2010，.NET搭建用户界面，报错功能完善。
2016/6/25 22:08:19
568KB
1
libviso不断以来被称为在视觉里程计(VO)中的老牌开源算法。
它通过corner,chessboard两种kernel的响应以及非极大值抑制的方式提取特征，并用sobel算子与原图卷积的结果作为特征点的描述子。
在位姿的计算方面，则通过RANSAC迭代的方式，每次迭代随机抽取3个点，根据这三个点，用高斯牛顿法计算出一个RT矩阵，表示两帧图像之间，相机的姿态变换。
而位姿的计算也是libviso中较为抽象的一部分，接下来，本文将在读者已经对立体视觉的基本原理，以及libviso的场景流匹配熟悉的前提下，对这个过程进行详细分析。
它通过corner,chessboard两种kernel的响应以及非极大值抑制的方式提取特征，并用sobel算子与原图卷积的结果作为特征点的描述子。
在位姿的计算方面，则通过RANSAC迭代的方式，每次迭代随机抽取3个点，根据这三个点，用高斯牛顿法计算出一个RT矩阵，表示两帧图像之间，相机的姿态变换。
而位姿的计算也是libviso中较为抽象的一部分，接下来，本文将在读者已经对立体视觉的基本原理，以及libviso的场景流匹配熟悉的前提下，对这个过程进行详细分析。
2017/4/15 20:08:32
4.01MB
1
优化方法：最速下降、阻尼牛顿、共轭梯度、BFGS法matlab程序，以求解RosenBrock函数极小值为例程序有详细正文。
2018/10/7 15:58:52
3KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB