亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

模糊<b>PID控制器</b>

  • 基于LabVIEW的PID控制器設計的方法

    一種基于LabVIEW_的PID_控制器設計的方法

    標簽: LabVIEW PID 制器設計

    上傳時間: 2013-12-27

    上傳用戶:ArmKing88

  • 編寫基于DSP的PID匯編子程序

    編寫基于DSP的PID匯編子程序,基于CC4.0的軟件仿真器Simulator調試程序,并用CC4.0的Graph功能觀測PID控制器的輸出波形。

    標簽: DSP PID 編寫 匯編

    上傳時間: 2013-12-11

    上傳用戶:zhangzhenyu

  • PID是控制智能小車的經典算法在過程控制中

    PID是控制智能小車的經典算法在過程控制中,按偏差的比例(P)、積分(I)和微分(D)進行控制的PID控制器(亦稱PID調節器)是應用最為廣泛的一種自動控制器。它具有原理簡單,易于實現,適用面廣,控制參數相互獨立,參數的選定比較簡單等優點;而且在理論上可以證明,對于過程控制的典型對象──“一階滯后+純滯后”與“二階滯后+純滯后”的控制對象,PID控制器是一種最優控制

    標簽: PID 控制 智能小車 算法

    上傳時間: 2015-11-24

    上傳用戶:qq1604324866

  • 本論文在較為系統地分析模糊神經網絡理論和遺傳算法基本原理的基礎上

    本論文在較為系統地分析模糊神經網絡理論和遺傳算法基本原理的基礎上,,提出一種基于補償模糊神經網絡的控制方法,通過補償模糊推理和快速學習算法的引入,構造補償模糊神經網絡控制器,實現模糊網絡結構和參數的優化及matlab仿真。

    標簽: 論文 模糊神經網絡

    上傳時間: 2016-02-17

    上傳用戶:xiaoxiang

  • 針對純時滯系統

    針對純時滯系統,自己用Simulink編寫了一個雙模糊PID控制器,其中模糊預估器能補償時滯,模糊PID有良好的自適應性,可以得到了一個堪稱"優美"的控制效果圖。

    標簽: 時滯系統

    上傳時間: 2016-05-20

    上傳用戶:chongcongying

  • 離散系統的數字PID仿真:針對離散系統的階躍信號、正弦信號和方波信號的位置響應

    離散系統的數字PID仿真:針對離散系統的階躍信號、正弦信號和方波信號的位置響應,設計離散PID控制器。其中,S為信號選擇變量,S=1時為階躍跟蹤,S=2時為方波跟蹤,S=3時為正弦跟蹤。

    標簽: PID 離散系統 數字 仿真

    上傳時間: 2016-07-12

    上傳用戶:黃華強

  • 先進PID:Smith預估器純滯后補償

    先進PID:Smith預估器純滯后補償,通過與PID控制器并接,來抵消實測滯后的影響

    標簽: Smith PID 補償

    上傳時間: 2016-12-04

    上傳用戶:eclipse

  • 基于matlab的PID控制系統仿真

    基于matlab的PID控制系統仿真,包括很多算法的PID控制器,曾在國家項目中多次應用,感覺很實用。

    標簽: matlab PID 控制系統 仿真

    上傳時間: 2017-06-05

    上傳用戶:siguazgb

  • 本文討論了神經網絡PID控制策略

    本文討論了神經網絡PID控制策略,提出了一種單神經元自適應PID控制器,給出了控制模型,探討了單神經元自適應PID控制學習算法,通過修改神經元控制器連接加權系數 ,構成了自適應PID控制器。利用神經網絡的自學習能力進行PID控制參數的在線整定,并使用了MATLAB軟件進行了仿真研究。比較傳統PID控制器與單神經元自適應PID控制器兩者的仿真結果表明,神經網絡PID控制器參數調節簡單,具有很高的精度和很強的適應性,可以獲得滿意的控制效果。

    標簽: PID 神經網絡 控制策略

    上傳時間: 2014-01-25

    上傳用戶:zhaiyanzhong

  • 采用將BP神經網絡的學習算法應用于PID控制中

    采用將BP神經網絡的學習算法應用于PID控制中,使BP神經網絡與PID控制算法結合起來,通過吸收兩者的優勢,使系統具有自適應性。這樣系統可自動調節控制參數,更好地適應輸入變量的變化,提高控制性能和可靠性。本文從BP神經網絡的基本構成原理、學習規則和學習算法出發,設計了基于BP神經網絡的PID控制器,并對其進行了仿真分析,結果表明,該控制方案可行、有效。

    標簽: PID BP神經網絡 學習算法 應用于

    上傳時間: 2014-02-27

    上傳用戶:源碼3

主站蜘蛛池模板: 宣威市| 濉溪县| 青龙| 白玉县| 廊坊市| 乾安县| 南投县| 新乡市| 铅山县| 静安区| 福泉市| 罗定市| 龙泉市| 崇阳县| 高阳县| 烟台市| 布拖县| 青神县| 鄂温| 沧州市| 海兴县| 专栏| 宁城县| 北安市| 无锡市| 黔南| 招远市| 广河县| 嘉兴市| 钦州市| 涞水县| 罗定市| 汪清县| 乌兰县| 友谊县| 康定县| 阿图什市| 新沂市| 台北县| 万安县| 北海市|