MFC教程_ MFC和Win32 MFC教程_ MFC和Win32
標(biāo)簽： MFC Win 32 教程
上傳時間： 2013-12-20
上傳用戶：yzhl1988
JavaScript 經(jīng)典封裝_模擬視窗 JavaScript 經(jīng)典封裝_讓ie6支援png圖檔
標(biāo)簽： JavaScript ie6 png 封裝
上傳時間： 2017-03-31
上傳用戶：gundamwzc
MATLAB6實例教程._.郝紅偉編著_.-.北京_.中國電力出版社,.2001年9_0
標(biāo)簽：
上傳時間： 2014-04-07
上傳用戶：lycanhum
2018華為軟件精英杯-初賽_線性回歸加正則_貪心放置, Cr語言，你值得擁有！！
標(biāo)簽： 2018 華為 軟件 線性 回歸 正
上傳時間： 2019-06-23
上傳用戶：liuliu6
帶電粒子在磁場中的運動_質(zhì)譜儀教學(xué)設(shè)計_問題探究式
標(biāo)簽： 磁場 教學(xué)設(shè)計 質(zhì)譜儀
上傳時間： 2019-07-14
上傳用戶：chen_ying993
數(shù)據(jù)結(jié)構(gòu)與算法分析：C語言描述_原書第2版_高清版
標(biāo)簽： 數(shù)據(jù)結(jié)構(gòu) C語言
上傳時間： 2022-06-03
上傳用戶：xsr1983
預(yù)測函數(shù)
標(biāo)簽： 預(yù)測控制
上傳時間： 2013-10-24
上傳用戶：從此走出陰霾
利用v自步離散法，得到變換器輸入控制變量與狀態(tài)變量之間的直接映射關(guān)系，基于混雜系統(tǒng)理論分析系統(tǒng)的動態(tài)方程，建立其分段仿射模型。在此模型的基礎(chǔ)上，結(jié)合非線性預(yù)測控制算法，通過模型預(yù)測系統(tǒng)的輸出，利用反饋校正誤差，給出二次型性能指標(biāo)的優(yōu)化計算方法，并由此設(shè)計預(yù)測控制器。最后，以Buck功率變換器為研究對象，通過與峰值電流控制算法的仿真結(jié)果進行比較，驗證模型的正確性以及控制器設(shè)計的有效性。
標(biāo)簽： DC_DC PWA 變換器 模型
上傳時間： 2013-10-30
上傳用戶：teddysha
灰色理論之GM(!,1)模型，GM(1,1)的matlab源碼，可從生成一直計算到預(yù)測值
標(biāo)簽： GM 模型
上傳時間： 2015-10-27
上傳用戶：yzy6007
1.針對一類參數(shù)未知的非線性離散時間動態(tài)系統(tǒng)，提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的MMAC方法。首先，將系統(tǒng)分為線性部分和非線性部分。針對系統(tǒng)線性部分采用局部化方法逮立多個固定模型覆蓋系統(tǒng)的參數(shù)范圍，在此基礎(chǔ)上，建立自適應(yīng)模型來提高系統(tǒng)性能；針對系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡(luò)預(yù)測模型來邏近系統(tǒng)的非線性。然后，針對每個子模型設(shè)計相應(yīng)的擅制器。最后，設(shè)計基于誤差范數(shù)形式的性能指標(biāo)函數(shù)對控制器進行硬切換。仿真結(jié)果表明，所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MMAC方法相比能顯著提高非線性系統(tǒng)的暫態(tài)性能。2針對一類具有參數(shù)跳變的非線性離散時間動態(tài)系統(tǒng)，提出子一種基才聚類方法和神經(jīng)網(wǎng)絡(luò)的MMAC方法，首先，采用模糊c均值聚類算法對系統(tǒng)先驗數(shù)據(jù)進行分類處理，再分別對每類數(shù)據(jù)采用RLS算法建立多個固定模型。在此基礎(chǔ)上，建立兩個白適應(yīng)模型來提高系統(tǒng)響應(yīng)速度和控制品質(zhì)，建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型來補償系統(tǒng)非線性。然后，分別針對相應(yīng)的子模型設(shè)計線性魯棒自適應(yīng)控制器和神經(jīng)網(wǎng)絡(luò)控制器。最后，采用基于信號有界和測量誤差的性能切換指標(biāo)對控制器進行切換，并證明閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，所提出的算法能更好地解決非線性系統(tǒng)發(fā)生參數(shù)跳變問題，使得系統(tǒng)具有良好的控制品質(zhì)3.針對MMAC方法中的模型庫優(yōu)化問題，考慮系統(tǒng)實際運行數(shù)據(jù)，提出了種基于相似度準(zhǔn)則和設(shè)置最大模型數(shù)的動態(tài)優(yōu)化模型庫方法。該方法能對新數(shù)據(jù)進行綜合考量并判斷是否應(yīng)該將該數(shù)據(jù)納入子模型建模，并通過設(shè)置最大模型數(shù)來確保系統(tǒng)用最少的子模型就能保證系統(tǒng)的控制性能。仿真結(jié)果表明，所提出的算法能極大地減少子模型數(shù)量且具有較好的控制效果。關(guān)鍵詞：非線性系統(tǒng)；多模型方法；自適應(yīng)控制；模糊聚類；神經(jīng)網(wǎng)絡(luò)
標(biāo)簽： 自適應(yīng)控制
上傳時間： 2022-03-11
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
