没有合适的资源?快使用搜索试试~
我知道了~
文库首页
大数据
Matlab
PID神经元网络解耦控制matlab算法
PID神经元网络解耦控制matlab算法
共6个文件
m:6个
matlab
4星
· 超过85%的资源
需积分: 50
81 下载量
177 浏览量
2013-10-20
17:53:06
上传
评论
8
收藏
14KB
ZIP
举报
温馨提示
立即下载
用于多变量控制系统的PID神经元网络解耦控制matlab算法
资源推荐
资源详情
资源评论
PID神经元网络解耦控制算法
浏览:152
本代码主要功能是实现PID神经元网络解耦控制,主要针对复杂的多变量系统进行控制
神经网络解耦程序 matlab
浏览:66
4星 · 用户满意度95%
神经网络解耦程序,了来了来了了来了来了了
matlab解耦控制
浏览:68
5星 · 资源好评率100%
这个是matlab解耦控制,内涵多个simulink程序,可以稳定运行
MATLAB编程实现神经网络对协调控制的解耦
浏览:93
4星 · 用户满意度95%
大型火电单元机组被控对像是强耦合,一般的解耦方式是不适合单元机组的模型变化,所以要用具有自适应的解耦方式,这个神经网络就是这种解耦方式, 这个程序是用神经网络进行解耦的。用的是BP网络
PID神经元网络解耦控制算法_多变量系统控制
浏览:16
5星 · 资源好评率100%
PID神经元网络解耦控制算法_多变量系统控制
基于matlab的FNN模糊神经网络解耦程序仿真+代码仿真操作视频
浏览:197
5星 · 资源好评率100%
1.领域:matlab,模糊神经网络解耦 2.内容:基于matlab的FNN模糊神经网络解耦程序仿真+代码仿真操作视频 3.用处:用于模糊神经网络解耦算法编程学习 4.指向人群:本硕博等教研学习使用 5.运行注意事项: 使用matlab2021a或者更高版本测试,运行里面的Runme_.m文件,不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。
航空发动机模糊自适应广义预测解耦控制 (2009年)
浏览:117
为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布 式控制系统,提出了一类模糊自适应广义预测解耦控制算法。利用发动机非线性模型的输入输 出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线 调整以使网络能更好地逼近实际系统。将模糊自适应推理网络作为广义预测控制器的预测模 型,可以省去常规广义预测控制器的反馈校正机构。仿真表明:当参考轨迹为阶跃信
一类带信号补偿驱动的非线性解耦控制方法
浏览:66
针对多回路控制算法难以有效解决工业过程中一类非线性、强耦合以及常规解耦控制算法需要估计系统未.建模动态的问题,本文根据工业过程往往运行在工作点附近的特点,采用低阶线性模型和未建模动态来描述复杂工.业过程,并将未建模动态采用前一时刻的可测数据及其变化率来描述。在此基础上,首先针对低阶线性部分设计解耦.控制器,并针对非线性部分分别设计消除前一时刻高阶非线性项的补偿信号和消除其变化率的补偿信号,提出了带
基于matlab的PID神经元网络解耦控制算法_多变量系统控制
浏览:166
基于matlab的PID神经元网络解耦控制算法_多变量系统控制
PID神经元网络解耦控制算法_多变量系统控制_matlab
浏览:62
5星 · 资源好评率100%
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:PID神经元网络解耦控制算法_多变量系统控制_matlab 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
PID神经元网络解耦控制算法_多变量系统控制(matlab实现).zip
浏览:132
5星 · 资源好评率100%
PID神经元网络解耦控制算法_多变量系统控制(matlab实现),包含源代码和测试数据
matlab神经网络源码集锦- PID神经元网络解耦控制算法_多变量系统控制
浏览:2
matlab神经网络源码集锦- PID神经元网络解耦控制算法_多变量系统控制
PID神经元网络解耦控制算法_多变量系统控制_matlab源码.rar
浏览:37
5星 · 资源好评率100%
PID神经元网络解耦控制算法_多变量系统控制_matlab源码.rar
解耦控制算法的研究
浏览:131
前馈补偿解耦法设计一已知的两输入、两输出有耦合被控对象的解耦控制系统,并完成它的混合仿真,对无耦合系统、有耦合而未解耦系统以及有耦合且采用解耦控制系统的控制作比较研究
基于RBF神经网络的PID控制仿真代码
浏览:111
这是非常实用的基于RBF神经网络的PID控制仿真代码,可以通过参数自适应整定来实现功能,请大家参考!
PID神经网络前向和反向学习算法_matlab的原程序代码
浏览:23
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:PID神经网络前向和反向学习算法_matlab的原程序代码 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
48 模糊控制实现解耦控制_matlabcode_
浏览:121
模糊控制算法是指用于控制变频器的电压和频率的算法,使电动机的升速时间得到控制,以避免升速过快对电动机使用寿命的影响以及升速过慢影响工作效率。模糊控制的关键在于论域、隶属度以及模糊级别的划分,这种控制方式尤其适用于多输入单输出的控制系统。此算法可实现解耦,是一个很好的算法。
基于Simulink 的解耦系统设计与仿真
浏览:90
4星 · 用户满意度95%
1 绪 论 1 1.1 本课题的研究意义及必要性 1 1.2 多变量耦合系统的发展历程 1 2 Matlab 简介 2 2.1 Matlab 功能概述 2 2.2 Simulink 仿真概述 2 3 解耦控制系统的理论分析 3 3.1 双变量耦合系统 3 3.2 常见解耦方法简介 3 3.3 解耦补偿装置的设计及理论分析 4 4 仿真研究 7 4.1 双变量耦合系统的仿真 7 4.2 前馈补偿解
FNN解耦matlab编程源码
浏览:75
采用matlab编程实现FNN(模糊神经网络)解耦
单神经元自适应PID代码
浏览:106
基于MATLAB编写的单神经元PID的代码,可以运行,稍作改动就能使用
RBF神经网络的训练 MATLAB源程序代码
浏览:153
RBF神经网络的训练 MATLAB源程序代码 RBF神经网络的训练 MATLAB源程序代码
matlab实现PSO优化RBF神经网络的问题-PSO.m
浏览:37
matlab实现PSO优化RBF神经网络的问题-PSO.m 哪位高手有PSO优化RBF神经网络的代码,共享一下,不胜感激!!!:time:
MATLAB神经网络和优化算法:24 PID神经元网络解耦控制算法多变量系统控制.zip
浏览:150
MATLAB神经网络和优化算法:24 PID神经元网络解耦控制算法多变量系统控制.zip
matlab源码 PID神经元网络解耦控制算法_多变量系统控制.zip
浏览:129
matlab源码 PID神经元网络解耦控制算法_多变量系统控制.zip
PID神经元网络解耦控制算法.rar_BP;PID_MATLAB算法神经_神经网络PID_神经网络控制_解耦
浏览:86
5星 · 资源好评率100%
PID神经元网络解耦控制,多变量控制 matlab实现
PID神经元网络解耦控制算法_多变量系统控制.zip_is57w_matlab_控制_神经元网络_神经网络 控制
浏览:12
PID神经元网络解耦控制算法_多变量系统控制
基于粒子群算法的抄纸过程PID神经元网络优化控制.pdf
浏览:57
基于粒子群算法的抄纸过程PID神经元网络优化控制.pdf
收起资源包目录
PID神经元网络解耦控制matlab算法.zip
(6个子文件)
案例6 PID神经元网络解耦控制算法_多变量系统控制
draw.m
6KB
fun.m
5KB
pso.m
7KB
MPID.m
6KB
MPIDCS.m
5KB
MPIDDLX.m
6KB
共 6 条
1
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
溢休
2014-04-15
《MATLAB神经网络30个案例分析(开发实例系列图书)》中的案例6,只有程序没有说明。
Let'sCode
2014-07-16
非常的不错,正学习中
MWM0909
粉丝: 83
资源:
9
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
鼎微公版大全,刷机包说明书
GBaseODBC回归测试步骤
Mifare classic Tools APK
ubuntu美化,操作包
大学生创新创业项目比赛项目汇总
GBaseODBC编译遇到的问题
ubuntu优化,模板文件
基于LCD1602液晶显示模块实验例程C51单片机KEIL工程软件源码10个合集.zip
GBaseODBC安装配置
模块独立思维导图-耦合、内聚的种类
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功