01
课程导论
自适应控制的基本概念、运动优化的核心挑战、课程整体框架与学习路径。
导论框架
02
数学基础回顾
线性代数（矩阵、向量空间）、微积分（梯度、雅可比矩阵）、概率论（高斯分布、贝叶斯定理）。
线性代数微积分概率论
03
系统建模基础
运动学模型（正/逆运动学）、动力学模型（拉格朗日法、牛顿-欧拉法）、状态空间表示。
运动学动力学状态空间
04
经典控制理论回顾
PID控制、前馈控制、稳定性分析（李雅普诺夫方法）。
PID前馈李雅普诺夫
05
自适应控制原理
模型参考自适应控制（MRAC）、自校正调节器（STR）、自适应控制的稳定性与收敛性。
MRACSTR收敛性
06
参数估计方法
最小二乘法（递推最小二乘）、梯度下降法、卡尔曼滤波在参数估计中的应用。
最小二乘梯度下降卡尔曼滤波
07
模型参考自适应控制（MRAC）详解
MIT规则、李雅普诺夫设计法、MRAC在机器人关节控制中的应用。
MIT规则李雅普诺夫机器人关节
08
自校正调节器（STR）详解
间接自校正、直接自校正、极点配置设计法。
间接自校正直接自校正极点配置
09
增益调度控制
增益调度的基本原理、调度变量的选择、在飞行器控制中的应用案例。
增益调度飞行器调度变量
10
鲁棒自适应控制
鲁棒性概念、σ-修正法、e-修正法、死区修正法。
鲁棒性σ-修正死区
11
非线性自适应控制
反步法（Backstepping）、滑模自适应控制、非线性系统的自适应观测器。
反步法滑模观测器
12
运动规划基础
配置空间、路径规划（A*、RRT）、轨迹规划（多项式插值、B样条曲线）。
A*RRTB样条
13
动态环境中的运动规划
在线重规划、滚动时域优化、避障策略（势场法、速度障碍法）。
在线重规划避障速度障碍
14
最优控制与轨迹优化
变分法、庞特里亚金最小值原理、线性二次型调节器（LQR）。
变分法庞特里亚金LQR
15
模型预测控制（MPC）
MPC基本原理、线性MPC、非线性MPC、MPC在运动控制中的应用。
MPC线性MPC非线性MPC
16
自适应MPC
结合参数估计的MPC、鲁棒MPC、随机MPC。
参数估计鲁棒MPC随机MPC
17
强化学习基础
马尔可夫决策过程（MDP）、值函数与策略、Q-learning、策略梯度法。
MDPQ-learning策略梯度
18
深度强化学习在运动控制中的应用
DDPG、SAC、PPO算法、仿真环境搭建（MuJoCo、PyBullet）。
DDPGSACPPOMuJoCo
19
自适应动态规划（ADP）
ADP基本原理、执行器-评价器结构、在机器人控制中的应用。
ADP执行器-评价器机器人
20
多智能体系统的自适应控制
一致性控制、编队控制、分布式自适应控制。
一致性编队分布式
21
人机交互中的自适应控制
共享控制、意图估计、变阻抗控制。
共享控制意图估计变阻抗
22
软体机器人的自适应控制
软体机器人建模、自适应力/位控制、气动人工肌肉控制。
软体机器人力/位控制气动肌肉
23
无人机自适应控制
四旋翼动力学建模、自适应抗风扰控制、编队飞行控制。
四旋翼抗风扰编队飞行
24
无人驾驶车辆的自适应控制
车辆动力学模型、自适应巡航控制、路径跟踪控制。
车辆动力学自适应巡航路径跟踪
25
工业机械臂的自适应控制
重力补偿、摩擦力补偿、自适应阻抗控制、力位混合控制。
重力补偿摩擦力补偿力位混合
26
水下机器人的自适应控制
水下动力学模型、自适应深度控制、自适应轨迹跟踪。
水下动力学深度控制轨迹跟踪
27
传感器融合与状态估计
扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波。
EKFUKF粒子滤波
28
硬件在环仿真与实验验证
仿真平台搭建（ROS+Gazebo）、实时系统（RTOS）、实验设计方法。
ROSGazeboRTOS
29
课程项目实战
项目选题指导、系统设计流程、代码框架搭建、实验结果分析与报告撰写。
项目实战设计流程报告撰写
30
前沿趋势与未来展望
学习型控制、数据驱动控制、边缘计算与自适应控制、开放性问题讨论。
学习型控制数据驱动边缘计算