搜索资源列表
strongtrackingfilter
- 在目标被动式跟踪中广泛应用的伪量测变换估计器(PLE)具有良好的误差收敛性。然而由于等价噪声和状态的相关性,该估计器的估计是有偏的。提出的强跟踪滤波器(STF)通过强制白化残差具有自适应地校正估计偏差和迅速跟踪状态变化的能力。STF已经在非线性系统时滞估计、故障诊断与容错控制方面取得了很好的效果。
attractors
- 运用非线性系统产生混沌吸引子的MATLAB源代码。
c
- 输入脉冲序列,通过非线性系统生成序列波形。系统为RC级联网络
SPSOnn
- 应用随机微粒群算法学习一个神经网络的权值.网络训练和测试数据采自一实际非线性系统.
feixianxing_lisan
- 一个控制系统非线性系统离散相似法仿真例子。
nonliner_fz
- 本程序针对一类不确定性非线性系统,利用输出反馈实现系统镇定,我用simulink做的一个仿真例子。
Matlab01
- Matlab动态仿真在混沌控制与同步中的应用研究 摘 要:针对在分析非线性系统混沌行为时较为复杂这一问题,采用一般的数值计算方法,提出了利用Mat2 lab对混沌系统进行建模和动态仿真的方法.以蔡电路和洛伦兹系统为例,分析了其动态仿真在混沌控制与 同步中的应用
zhengjiaoWNN
- 基于多分辨分析的递阶逼近思想,采用正交小波网络研究了输入样本空间分布非均匀时非线性系统的 辨识问题. 重点讨论了样本非均匀时网格系的设计问题,并给出了基于该网格系的在线递阶辨识算法. 最后利用正 交小波网络分别对非线性静态和动态系统进行了仿真辨识.
1921682910920073231521531274004
- 针对视觉伺服机器人手眼定位问题,采用非线性系统理论中的无源化方法,在不需要物体 的深度精确值、几何模型及单应性矩阵的计算情况下,设计了摄像机的平移和旋转速度,同时使用 自适应控制方法对深度进行估计
LS_SVMlab
- 用于非线性系统预测滤波的经典算法,由最小支持向量机算法创始人亲自编写。
nn
- 这是两个用神经网络算法分析非线性系统特征,并用于参数预测。
CascadedNoiseFigures
- 关于非线性系统的,级联器件的噪声系数的测试问题,和其他.
RBFwangluozijiaozhengkongzhi
- 该源程序实现了RBF网络的自适应控制,能够很好的对非线性系统进行控制。
fuchitu
- 老虎吃兔子是一个典型的非线性系统,当老虎数量多的时候,兔子就容易被吃,兔子数量减少,兔子数量较少,老虎捕兔困难,老虎就饿死,老虎数量减少后,兔子繁殖加快,从而使得兔子数量增加,老虎捕食又变得容易了。利用C语言编程、利用4阶龙格-库塔法就可验证老虎与兔子的非线性生态现象。
nljstate
- 采用NLJ随机搜索的方法辨识一个以状态方法表示的非线性系统。选其初值 a1(0) =50 , a2(0) =100 , a3(0) =100 , a4(0) =50 , a5(0) =10 , 选范围为 r(1)(i)=0.5 a(0)(i) , 取数据长度 L =40, t =0.005 , 性能指标 J= 。迭代计算结果得 a 的估计值 1=17.6043243, 1=17.5977, 2=72.9573, 3=51.3014, 4=22.9889, 5=5.99965, J = 0.000
nonlinear_robust_system
- 非线性系统鲁棒控制理论的一些新进展_分析比较透彻
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络,竞争是这样进行的:对于“赢”的那个神经元c,在其周围Nc的区域内神经元在不同程度上得到兴奋,而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程,经过一定次数的训练以后,网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构:它是受视网膜皮层的生物功能的启发而提出的。~..~-Kohonen network model. For Kohonen
扩展Kalman滤波(UKF)算法的Matlab程序
- 扩展Kalman滤波器算法的例程,可以用于对非线性系统的目标状态进行动态估计。例如曲线运动目标的轨迹跟踪。
基于RBD的民航客运预测及MATLAB的实现
- :基于统计学原理的传统的民航客运量预测方法难以预测动态数据的内在结构和复杂特 性。为了提高民航客运量预测的准确性,利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,选用RBF 神经网络为模型并利用MATLAB 编程实现了对民航客运量的准确预测。本文介绍了RBF 神经网络MATLAB 的相关知识,并以民航客运量的1978 年至2007 年的实际数据为例进行RBF 神经网络的训练与测试,实验结果表明,将RBF神经网络与MATLAB 结合运用在民航客运量预测中具有可行性,预测精度更高
基于T-S模型的自适应模糊广义预测控制
- : 对一类非线性 系统 , 利用一种基 于模 糊规 则的快速模糊辨识 方法建立起 系统的 T— S模型 , 并基 于该模 型应用局部 递推 最小二乘方法根据采样 值对模型参数进 行在线修 正, 根据 系统动 态线性化模 型采取 广义预 测控制 策略 , 从 而实现 了基 于 T— S模糊模型的非线性 系统 自适 应模糊预测 控制 。与 以往 的模糊 广义 预测控制 算法相 比 , 此方法 简单 , 而且较 大地 减少计 算量 , 适合 于在 线控制。通过仿 真研究验证 所提 方法的 有 效性 。