<button id="cg8ek"></button> <center id="cg8ek"></center>
20 世紀(jì)70 年代以來,人們從工業(yè)過程的特點(diǎn)出發(fā),尋找對(duì)模型精度要求不高而同樣能實(shí)現(xiàn)高質(zhì)量控制性能的方法,預(yù)測控制就是在這種背景下發(fā)展起來的。預(yù)測控制技術(shù)最初由Richalet 和Cutler 提出[1 ] ,它最大程度地結(jié)合了工業(yè)實(shí)際的要求,綜合效果好,已經(jīng)在理論和應(yīng)用方面取得了顯著進(jìn)展,各種預(yù)測控制算法不斷地產(chǎn)生并得到發(fā)展。預(yù)測控制算法具有三大本質(zhì)特征:預(yù)測模型、滾動(dòng)優(yōu)化和反饋校正[2 ] 。它是不斷滾動(dòng)的局部優(yōu)化,而非全局最優(yōu)。預(yù)測控制的特點(diǎn):建模方便 采用非最小化描述的離散卷積和模型,信息冗余量大,有利于提高系統(tǒng)的魯棒性 采用滾動(dòng)優(yōu)化策略,使模型失配、畸變、干擾等引起的不確定性及時(shí)得到彌補(bǔ),從而得到較好的動(dòng)態(tài)控制性能 可推廣到有約束條件、大遲延、非最小相位以及非線性等過程,對(duì)模型精度要求不高,跟蹤性能良好,更適應(yīng)于復(fù)雜工業(yè)過程控制。
標(biāo)簽： Richalet Cutler 預(yù)測控制 20
上傳時(shí)間： 2014-01-02
上傳用戶：csgcd001
遺傳算法，是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法.遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化的具有魯棒性的搜索算法
標(biāo)簽： 算法
上傳時(shí)間： 2014-01-02
上傳用戶：王楚楚
這是工業(yè)經(jīng)常用到的模糊自整定的PID，具有很強(qiáng)魯棒性，而且控制器容易設(shè)計(jì)
上傳時(shí)間： 2013-12-19
上傳用戶：sammi
文中提出了一種基于離散小波變換和混沌加密的數(shù)字水印新算法,采用二維混沌變換對(duì)水印圖像加密 對(duì)載體圖像進(jìn)行多分辨離散小波變換,應(yīng)用小波系數(shù)判斷載體圖像的紋理復(fù)雜程度后,依據(jù)人眼的視覺系統(tǒng)(HVS)特性,將水印信號(hào)嵌入到圖像的低頻部分,對(duì)圖像的不 同分解層分別選取不同的紋理閾值和水印嵌入強(qiáng)度,將數(shù)字水印嵌入到相同分辨層的原始圖像中,提高了水印算法的魯棒性。在檢測和提取水印時(shí),通過水印相似度(NC)和峰值信噪比( PNSR)評(píng)價(jià)水印質(zhì)量,實(shí)驗(yàn)結(jié)果表明提出的算法可以抵抗剪裁、JPEG壓縮、濾波等幾何攻擊,算法簡單,計(jì)算復(fù)雜度小,兼顧了水印的不可見性和魯棒性。
上傳時(shí)間： 2016-10-24
上傳用戶：Andy123456
自動(dòng)語音識(shí)別源碼對(duì)非特定人的孤立詞語音識(shí)別算法 進(jìn)行研究。考慮到語音識(shí)別技術(shù)在嵌入式系統(tǒng)處理能力較弱、存儲(chǔ)空間有限的問 題上進(jìn)行算法的選擇和優(yōu)化，以提高系統(tǒng)的魯棒性，減少系統(tǒng)的
標(biāo)簽： 算法 語音識(shí)別 自動(dòng) 源碼
上傳時(shí)間： 2013-12-17
上傳用戶：dsgkjgkjg
進(jìn)行基于最大最小方法和K均值結(jié)合的分類方法 并畫出具體的分類情況，對(duì)二維數(shù)組具有魯棒性。
上傳時(shí)間： 2014-11-26
上傳用戶：zjf3110
遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇與遺傳學(xué)機(jī)理的計(jì)算模型, 它是由美國Michigan 大學(xué)的Holland教授于1975年首次提出的. 這是一種新的全局優(yōu)化搜索算法, 其基本特征是利用群體進(jìn)化,即在求解過程中, 通過使種群不斷優(yōu)化, 從而找到滿意解或最優(yōu)解. 該算法具有簡單通用、魯棒性強(qiáng)的優(yōu)點(diǎn), 適于并行處理, 已經(jīng)廣泛地應(yīng)用于計(jì)算機(jī)科學(xué)、優(yōu)化調(diào)度、運(yùn)輸問題及組合優(yōu)化等領(lǐng)域
標(biāo)簽： Michigan Holland 1975 算法
上傳時(shí)間： 2017-02-07
上傳用戶：lindor
模擬人的思維特點(diǎn),提出一種新型智能控制器:仿人邏輯預(yù)測控制器. 該控制器融合了基于泛布爾代數(shù)的邏輯控制器和基于模型的預(yù)測控制器的特點(diǎn), 是一種多值邏輯混合動(dòng)態(tài)系統(tǒng). Matlab仿真表明, 該控制器在模型匹配時(shí)性能良好, 在模型失配時(shí)依然能滿意運(yùn)行, 表現(xiàn)出魯棒性強(qiáng), 超調(diào)量小的特點(diǎn). 與其它類型人工智能控制器相比, 該控制器結(jié)構(gòu)簡單, 物理背景明確, 數(shù)學(xué)概念清晰, 便于在工業(yè)控制領(lǐng)域推廣應(yīng)用.
標(biāo)簽： Matlab 控制器 邏輯 預(yù)測控制
上傳時(shí)間： 2014-09-07
上傳用戶：sdq_123
使用混合高斯函數(shù)，對(duì)點(diǎn)配準(zhǔn)的方法，他的魯棒性比較好。
上傳時(shí)間： 2014-09-07
上傳用戶：gaome
人工神經(jīng)網(wǎng)絡(luò)(Aartificial Neural Network，下簡稱ANN)是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年，已由心理學(xué)家Warren S.Mcculloch和數(shù)學(xué)家Walth H.Pitts提出神經(jīng)元數(shù)學(xué)模型，后被冷落了一段時(shí)間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法，Back Propagation)，它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡單，在工業(yè)領(lǐng)域中應(yīng)用較多。
標(biāo)簽： Aartificial Network Neural 人工神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2014-01-03
上傳用戶：zhangzhenyu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
