搜索资源列表
4_1
- 改进的单神经元自适应pid控制，权系数的在线修正不完全是根据神经网络学习原理，而是参考实际经验制定。
BP
- 基于BP神经网络的 参数自学习控制 （1）确定BP网络的结构，即确定输入层节点数M和隐含层节点数Q，并给出各层加权系数的初值 和 ，选定学习速率 和惯性系数 ，此时k=1； （2）采样得到rin(k)和yout(k)，计算该时刻误差error(k)=rin(k)-yout(k)； （3）计算神经网络NN各层神经元的输入、输出，NN输出层的输出即为PID控制器的三个可调参数 ， ， ； （4）根据(3.34)计算PID控制
RBF_SMC
- 本程序为基于RBF神经网络上界自适应学习的滑模控制，适用于实际无法测量上界值的情况。
WNN_PID
- 提出了一种基于小波神经网络整定的PID 控制方法。由于小波变换具有良 好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规 范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧 支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,渗碳炉控制实 验结果表明,用该方法整定的PID 控制系统收敛速度快,逼近精度高,鲁棒性好
modifiedPID
- 改进的单神经元自适应PID控制,权系数的再线修正不完全是根据神经网络学习原理-Improved single neuron adaptive PID control, the right to re-line coefficient amendment is not in full accordance with the principle of neural network learning
113172210SVD
- SVD随着计算机网络的不断发展,多媒体信息的版权保护问题变得十分突出,已成为一个非常紧迫的议题。数字水印技术是实现版权保护的一种非常有效的方法,已经成为信息隐藏领域的一个热门方向。本文着重讨论了数字水印技术在数字图像中的应用,特别地,对于基于神经网络和SVD的自适应的数字水印技术进行了深入的研究与实验。首先比较全面地介绍了数字水印技术的发展历史、现状、基本模型、特征、分类、现有的主要的算法和应用,并对数字水印的发展前景做出了一个展望。接
SingleNNpid
- 无须matlab神经网络工具箱，进行单神经元自适应pid控制-Matlab neural network toolbox is no need to carry out a single neuron adaptive pid control
NN_xLMS
- 基于神经网络在线辨识的自适应逆振动控制技术。可以有效地应用到非线性系统的控制。-Line identification based on neural network adaptive inverse vibration control technology. Can be effectively applied to nonlinear system control.
BP-
- 基于改进BP 神经网络的移动机器人寻线控制神经网络系统具有自学习和自适应的能力，同时有很强的容错性和鲁棒性，适用于处理难于语言化的模式信息。为使移动机器人沿地面标志线自主运动，采用CCD 图像传感器与PC/104总线相结合的硬件系统，运用神经网络的模式识别功能，实现了机器人的寻线控制，实验结果表明该方法是可行的，能有效地提高移动机器人对环境的适应性和其智能化水平。- Neural Network has the ability of s
04620758
- 基于自适应RBF神经网络的PID控制,用于燃气轮机排气温度 -SELF-ADAPTIVE RBF NEURAL NETWORK PID CONTROL IN EXHAUST TEMPERATURE OF MICRO GAS TURBINE
ANFIS
- 基于自适应控制的模糊神经网络的仿真及其动态学习-Modeling and Simulation of an Adaptive Neuro-Fuzzy Inference System (ANFIS) for Mobile Learning
chap9_1
- 此程序为单神经元自适应控制的MATLAB程序，可供学习神经网络进行控制的初始阶段使用。-This program is MATLAB single neuron adaptive control for learning neural network used to control the initial stage.
robot-control-matlab-simulation
- 一个用于机器人控制领域的matlab教程，包括自适应控制，模糊控制，神经网络控制等不同智能算法。-A field for robot control matlab tutorial, including adaptive control, fuzzy control, neural network control, such as different intelligent algorithms.
chap4
- 自适应RBF神经网络控制，包括神经网络逼近的自适应控制和参数未知的自适应控制。-Adaptive RBF neural network control, adaptive control and adaptive control of unknown parameters including the neural network approximation.
chapt
- 基于RBF网络的动态面自适应控制，以飞行器航迹角自适应神经网络动态面为例进行了讲解。-Adaptive dynamic surface control based on RBF network, with the flight path angle neural network based adaptive dynamic surface as an example to explain.
RBF
- 针对一类非线性动态系统给出了一种基于RBF(径向基函数)神经网络的模型参考自适应控制算法,控制器的结构中使用RBF网络来动态的补偿系统的非线-A class of nonlinear dynamic systems presents a model reference adaptive RBF (Radial Basis Function) neural network control algorithms, structure of
RBF_MRAC_Direct
- RBF神经网络模型自适应控制算法Delphi语言编写绝对可以执行适合相关人员研究参考-RBF MRAC delphi codes ok
Delphi_RBF_MRAC_Direct
- RBF神经网络模型参考自适应控制方法的Dephi实现，对自动控制算法研究有很好的参考作用-RBF NN MAC dephi codes good reference
RBFPID
- 在simulink平台上的基于RBF神经网络的PID算法，适用于simulink仿真中系统的实时自适应控制(PID algorithm based on RBF neural network on Simulink platform is suitable for real-time adaptive control of system in Simulink simulation)
robot_control
- 采用D-H法建立了多自由度机械臂末端执行器相对于基础坐标系的位置与姿态，即多自由度机械臂的正运动学模型。其次对多自由度机械臂的逆运动学模型进行了分析。最后通过采用Langrange法对多自由度机械臂的动力学进行了建模，并对多自由度机械臂的动力学模型及其特点进行了分析。 针对多自由度机械臂数学模型的不确定性问题，提出一种基于RBF神经网络的机械臂自适应控制方法。(The position and attitude of the end e