PID控制算法,可以将其看作是一个 ​​“不断尝试缩小目标与现状之间差距”的智能调节器​​。它广泛应用于工业控制(如温度、压力、流量控制)、机器人、自动驾驶、无人机稳定系统等需要精确调节物理量的场景。 其核心思想很简单:​​测量当前状态(Process Value, PV),与期望的目标状态(Setpoint, SP)进行比较得到误差(Error, e),然后根据误差的“现在大小”、“历史积累”和“未来变化趋势”三个方面来计算一个控制量(Control Output, u),驱动执行器去减小误差,使过程变量尽快、平…

2025年6月29日 0条评论 366点热度 1人点赞 MuWinds 阅读全文

一、基本概念 最优化:首先是一种理念,其次才是一种方法,它所追求的是一种“至善”之道,一种追求卓越的精神。例子:小明同学,烧一壶水要8分钟,灌开水要1分钟,取牛奶和报纸要5分钟,整理书包要6分钟,为了尽快做完这些事,怎样安排才能使时间最少?最少需要几分钟? 最优化问题的数学模型的一般形式为: \begin{align*} &\text{opt } z = f(x) \\ &\text{s.t. } h_i(x) = 0, \quad i = 1, \cdots, l \\ &\qquad g…

2025年6月28日 0条评论 429点热度 0人点赞 MuWinds 阅读全文

线性回归模型​​,它是统计学和机器学习中最基础、最核心的预测模型之一,主要用于解决​​回归问题​​,即预测一个​​连续的数值型输出​​。 核心思想:建立“输入”与“输出”之间的线性关系 线性回归的核心目标非常直观:​​假设并建模目标变量 y(因变量、输出)与一个或多个预测变量 x(自变量、特征、输入)之间存在的线性关系。​​ 它试图找到一条(简单线性回归)或一个平面/超平面(多元线性回归)来“最佳”拟合数据点,从而当我们知道 x 的值时,就可以基于这条线/平面预测 …

2025年6月17日 0条评论 126点热度 0人点赞 MuWinds 阅读全文

​ 1. 打开powershell输入命令,找到powershell配置文件 2. 有conda init加载导致powershell很慢的时候,配置文件如下: 实现conda环境懒加载,只需把内容换成如下即可(此后执行conda activate 环境名时会自动初始化conda,无需预先加载) 注意路径,保存后新开一个powershell窗口看效果。

2025年6月15日 0条评论 121点热度 0人点赞 MuWinds 阅读全文

KMP算法(Knuth-Morris-Pratt)是一种高效的字符串匹配算法,它通过避免回溯主串指针来实现O(n+m)的时间复杂度。要深入理解KMP算法,需要掌握其核心思想——​​部分匹配表(Pi数组)​​和​​匹配过程中的智能回退机制​​。 1. 核心思想:利用已匹配信息避免重复比较 传统暴力匹配算法在每次失败时需要回溯主串指针,导致大量重复比较。KMP算法通过预处理模式串,构建一个"部分匹配表"(Pi数组),利用这个表在匹配失败时只回退模式串指针,主串指针永不回溯。 2. 部分匹配表(Pi数组) Pi数组存储了…

2025年6月15日 0条评论 183点热度 0人点赞 MuWinds 阅读全文