搜索资源列表
triplehandstandpendulum
- 首先对非线性模型在控制目标附近进行线性化得到相应的状态空间表达式，再对线性模型设计LQR控制器，进而用此控制器控制非线性倒立摆，取得训练神经网络控制器的数据，最后用这些数据训练得到神经网络控制器，最终基于神经网络的（一、二、三级）倒立摆控制均取得了很好的控制效果；
five
- 1.BP神经网络进行模式识别 2.用BP网络对非线性系统进行辨识 3.一个神经网络PID控制器 4.图像处理的PCA算法 5.图像处理的穷举算法-1.BP neural network pattern recognition 2. Using BP network identification of nonlinear systems 3. A neural network PID controller 4. The PCA algorithm for image process
PID-self-tuning-of-parameters
- 本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力构造神经网络PID自整定控制器。-This paper, the neural network technology used in PID control, the full use of neural network structure with nonlinear function approximation capability PID self-tuning neural network controller.
RBF
- 运用常规的PID控制算法很难达到人们所要求的控制效果。采用改进的BP神经网络算法进行改进具有以任意精度逼近非线性函数的能力，而且通过它的自身的学习，可以找到某一最优控制率下的PID控制器参数，使其具有更好的鲁棒性和自适应的能力。-Using conventional PID control algorithm is difficult to live up to the required control effect. The improved BP neural network algorit
fuzzy-PID
- 模糊PID控制器具有控制任意非线性函数的能力，能实现对PID控制器的参数Kp, Ki, Kd的实时在线整定，使系统具有更好的鲁棒性和自适应性，其输出也可以通过在线调整达到预期的控制精度。-Fuzzy PID controller has the ability to control an arbitrary nonlinear function, can achieve the parameters of the PID controller Kp, Ki, Kd,
Nonlinearly-Adaptive
- ：针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应 控制方法．该方法对受控对象的已知部分．采用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及 外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系 统．仿真表明该方法是有效的。 -A discussion is devoted to design neural network adaptive control scheme of t
Fuzzy-control-in-car-mode
- 基于悬架系统自身的非线性和道路环境的复杂性等因素的考虑。可以对悬架系统采用模糊控制以期获得合适的控制效果。模糊控制的设计主要是控制规则的选取和输入输出变量的选取。结合所研究的悬架系统，采用车身速度和加速度作为控制器的输入，控制流量作为输出-Example:Fuzzy control in car mode
bp
- 利用BP网络对非线性系统进行辨识，同时，利用模型参考自适应方法，设计NNMARC控制器-BP network identification of nonlinear systems, at the same time, the use of model reference adaptive method, design NNMARC controller