四旋翼无人机SIMULINK建模，PSO_SA优化PID

参数 reverse.m 作用：将History表中的string形式的key值转换为赋给九个全局变量temp00， … ,temp08运行sum1.slx，可以直接观察此组参数的波形。

History 作用：映射表，将一组参数（temp00, …, temp08）映射到这组参数的ITAE指标。 trojectory.m 作用：定义一条路径并进行路径压缩，通过不断向sum.slx传递位置参数，控制无人机运动，并接受无人机运动过程，做出无人机运动位置图像。

sum1.slx 作用：从外部接受一组位置关系（x,y,z）,模拟无人机由原点(0,0,0)运动到该位置并保持稳态这个过程中无人机的位置变化，并向外部反馈。

PSO_3D.m 作用：调用sum3D.slx，通过PSO得到内循环最优解的参数。

sum3D.slx 作用：获取.m文件中设置好的全局变量的值，模拟内循环三个角度的变化。 PSO_History.m 作用：调用sum9D.slx，通过PSO得到外循环最优解的参数，此过程已被History表优化。

PSO_SA.m 作用：调用sum9D.slx，通过PSO得到外循环最优解的参数，此文件在PSO_History.m基础上被模拟退火算法优化


(Four rotor UAV SIMULINK modeling, PSO_SA optimize PID parameters)

1_README.txt 
History.mat 
PSO_3D.m 
PSO_History.m
PSO_SA.m 
sum1.slx 
sum3D.slx
sum9D.slx 
trojectory.m 

代码

# 无人机
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局