# PID SMC LQR 控制算法对比 

**Repository Path**: ibst/pid-smc-lqr

## Basic Information

- **Project Name**: PID SMC LQR 控制算法对比 
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-31
- **Last Updated**: 2025-10-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: PID, SMC, Control, LQR, Robot

## README

# PID-SMC-LQR 控制器比较研究

本项目研究了三种不同控制策略（PID、SMC和LQR）在轮腿机器人上的性能表现。项目包含多个迭代版本，逐步增加了系统复杂度和测试场景。

## 主要功能

- 实现了三种控制器：PID、SMC和LQR
- 支持多种轨迹跟踪（圆形、8字形、螺旋形、激进轨迹）
- 包含鲁棒性测试，评估不同干扰类型下的性能
- 提供3D轨迹可视化和性能对比图表
- 新增轮腿机器人动力学模型和地面力计算

## 核心模块

- `WheeledLegRobot`：轮腿机器人模型，包含动力学方程和干扰生成
- `PID/SMC/LQRController`：三种控制器实现，各有不同的控制策略
- `simulate_controller`系列函数：用于运行仿真测试
- `desired_trajectory`系列函数：定义不同的期望轨迹
- `plot_robustness_comparison`：生成性能对比可视化

## 使用方法

1. 安装依赖库（如numpy, matplotlib, scipy）
2. 运行main函数执行仿真测试
3. 使用可视化函数查看轨迹和性能对比

## 应用场景

- 机器人控制算法研究
- 控制系统性能比较
- 非线性系统建模与仿真
- 移动机器人轨迹跟踪

## 项目演进

项目从简单的PID控制开始，逐步增加了：
- 多种轨迹类型
- 不同干扰模型
- 轮腿动力学特性
- 更全面的性能评估指标

## 结果分析

通过比较不同控制器在相同条件下的表现，可以得出：
- PID控制器的简单易用性与局限性
- SMC控制器的鲁棒性优势
- LQR控制器的最优控制特性

## 文件说明

- 1.py 到 6.py：不同迭代版本的实现代码
- simple_test*.png：示例测试结果图示
![输入图片说明](simple_test.png)
![输入图片说明](simple_test_1.png)
![输入图片说明](simple_test_2.png)
![输入图片说明](simple_test_3.png)
注意：具体使用时应查看各文件注释和文档字符串以获取详细信息。