搜索资源列表
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控制器的输出u(k)； （5）进行神经网络学习，在线调整加权
PID.m
- 首先是编写2个输入，1个输出的隶属度函数；接下来的是模糊规则，一共49条；然后用解模糊函数得出控制量U，这里输出的U就直接是精确量了，解模糊用到得规则是取隶属度最大的那个数即MOM算法。 显示的三个图形窗口分别是：模糊控制器内部原理图，以及2个输入，1个输出的隶属度函数图。 -Fuzzy PID controller MATLAB simulation program
PIDNN-control
- 用PID神经网络进行时变单变量非线性系统的控制，模型为：y(k)=a*sin(b*y(k-1))+1.2*u(k-1)-a example for PID neural network control
fuzzypid
- 这类控制器在大偏差范围内利用模糊推理的方法调整系统的控制量U，而在小偏差范围内转换成PID控制，两者根据事先给定的偏差范围自动实现。-This kind of controller in the big deviation range by using fuzzy reasoning method to adjust the system control quantity U, and in small deviation range NaZhuan with PID control, both
USBPhysicDLL
- 获移动取U盘信息，如Vid,PID,厂家信息，产品信息-get U disk information
zhaoxiaopu
- 位置指令为幅值为1.0的阶跃信号，r（k）=1.0。网络结构为1-4-1，高斯函数的参数值取Cj=[-2 -1 1 2]T ，B=[0.5 0.5 0.5 0.5]T 。 网络权值学习参数为η=0.30，α=0.05 。PID控制各参数的初RBF网络控制，被控对象为G（s）= 取采样时间为1ms，采用Z变换进行离散化，离散化后的被控对象为 y(k)=-den(2)*y（k-1）-den(3)*y(k-2)+num(2)*u(k-1)+num(3)*u(k-2)
Fuzzy-PID
- 程序首先是编写2个输入，1个输出的隶属度函数；接下来的是模糊规则，一共49条；然后用解模糊函数得出控制量U，解模糊用到得规则是取隶属度最大的那个数即MOM算法。-The program first is to write two inputs, one output membership function next is fuzzy rules, a total of 49 then come to control the amount of ambiguity function U, am
Untitled
- 控制器采用二维的模糊控制器，其输入信号偏差为e和偏差的变化为的de，控制对象为时滞对象： ，假设系统给定为阶跃值R=10，系统的初始值R(0)=0。本例采用的是增量控制方法，所以模糊控制器的其输出量为△U。后面经过一个积分环节，就得到了一个控制信号U。E、dE、△U的模糊论域划分为13个档次，论域取为[-10,10]之间。各个论域E, EC和△U的语言变量为{NB， NS，0，PS，PB}。采用两种方法实现pid输出曲线按的模拟。(A two-dimensional fuzzy controll