Git Product home page Git Product logo

gantry's Introduction

Projektfortschritt

Aufgabenstellung

  • Aufgabe 1
    • a) Vervollständigen
    • b) Linearisierung
  • Aufgabe 2
    • a) Kronecker-Indizes Algorithmus
    • b) Konstruktor und state Methode in ContinuousFlatnessBasedTrajectory vervollständigen
    • c) Trajektorienplanung
    • d) Reglerverstärkung
    • e) (optional)
  • Aufgabe 3
    • a) Beobachtbarkeit
    • b) _gyro_frame_scalarand accell_frame_scalarvervollständigen
    • c) observermodelleinfügen
    • d) lineares observermodelleinfügen
    • e) Beobachtbarkeit für verschiedene Ruhelagen
    • f) Kroneckerindize für verschiedene Ruhelagen
    • g) GantryObserve vervollständigen
    • h) Beobachter im Regelkreis testen

gantry's People

Contributors

mentaladventurer avatar nsb4130 avatar

Stargazers

avatar avatar

Watchers

avatar

gantry's Issues

Maximaler absoluter Fehler im nicht linearen Modell

Fehler in Verify Model sollte eigentlich auf Null gehen. Ist vermutlich einfach ein Typo in der definition des Systems.

Maximaler absoluter Fehler in Modellgleichung (euklidische Norm): 0.05812513894480276

State Vector as 'dict' -> AttributeError: 'dict' object has no attribute 'shape' 

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
Cell In[13], line 66
     60 x_sys=x["Systemmodell"]
     62 #Ergebnisse Plotten
     63 plot_results(t_eval,
     64              (x_sys,x_obs),
     65              (gantry.output(t_eval,x,'accell_frame'),),
---> 66              (gantry.output(t_eval,x,'position_total'),observer_model.output(t_eval,x,'position_total')))
     68 ax=plt.subplot(2,3,2)
     69 ax.legend(["System $z_1$", "System $z_2$", "Beobachter $z_1$", "Beobachter $z_2$"])

File ~/builds/gantry/pysim.py:66, in DynamicSystem.output(self, t, x, output_name)
     65 def output(self,t,x,output_name):
---> 66     return self._outputs[output_name](t,x)

File ~/builds/gantry/gantry.py:270, in Gantry.position_total(self, t, x)
    268 else:
    269     y = np.zeros((2,_x.shape[1]))
--> 270     for ii in range(x.shape[1]):
    271         y[0,ii] = _x[2,ii]+np.cos(_x[4,ii])*_x[0,ii]-np.sin(_x[4,ii])*_x[1,ii]
    272         y[1,ii] = _x[3,ii]+np.sin(_x[4,ii])*_x[0,ii]+np.cos(_x[4,ii])*_x[1,ii]

AttributeError: 'dict' object has no attribute 'shape'

Fehler scheint in der n-dim implementierung von position-total zu sein

Fehler in _accell_frame_scalar

Fehler in _accell_frame_scalar

Maximaler absoluter Fehler in Ausgang accell_frame (euklidische Norm): 5.133446555548475
Maximaler relativer Fehler in Ausgang accell_frame (euklidische Norm): 0.4896652222015893
Maximaler absoluter Fehler in Ausgang accell_frame (komponententweise):
[[5.09649899]
 [2.96353542]]

Fehler ist vermutlich in der mathematischen Implementierung der Vektorgleichungen

        # Definition der Matrizen
        mass_matrix = np.array([[self.m+self.M, 0 ,-self.m*(x1*sphi+x2*cphi)],
                                   [0, self.m+self.M, self.m*(x1*cphi-x2*sphi)],
                                   [-self.m*(x1*sphi+x2*cphi),self.m*(x1*cphi-x2*sphi),self.J+self.m*(x1**2+x2**2)]])
        mass_matrix_inv = np.linalg.inv(mass_matrix)

        dmass_matrix = np.array([[0, 0 ,-self.m*(dx1*sphi+x1*cphi*dphi+dx2*cphi-x2*sphi*dphi)],
                                [0, 0, self.m*(dx1*cphi-x1*sphi*dphi-dx2*sphi-x2*cphi*dphi)],
                                [-self.m*(dx1*sphi+x1*cphi*dphi+dx2*cphi-x2*sphi*dphi),
                                 self.m*(dx1*cphi-x1*sphi*dphi-dx2*sphi-x2*cphi*dphi),
                                 self.m*(2*dx1*x1+2*dx2*x2)]])
        coefficients_matrix = self.m*np.array([[cphi, -sphi],
                                               [sphi, cphi],
                                               [-x2, x1]])
        dcoefficients_matrix = self.m*np.array([[-sphi*dphi, -cphi*dphi],
                                               [cphi*dphi, -sphi*dphi],
                                               [-dx2, dx1]])
        dz_vector=np.array([[dz1],[dz2],[dphi]])
        dp_vector=np.array([[dp1],[dp2],[dphi]])
        dq=np.array([[dx1],[dx2]])
        ddq=np.array([[ddx1],[ddx2]])

Deprication Warning

Ich bekomme hin und wieder bei der ersten Aufgabe folgende Fehlermeldung.

image

Dieser Fehler führt spätestens bei Aufgabe 2 dazu, dass es zu einem Absturz kommt.
Möglicherweise ist dieser auch mit Fehler #2 verknüpft, da er bei verify_model mehrfach aufgerufen wird.

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.