搜索资源列表
FuzzyNNpid
- 采用模糊神经网络PID控制,使系统输出跟踪上输入。(Use fuzzy neural network PID control and make the system output track the input.)
严格反馈非线性系统的自适应神经网络输出反馈控制
- 严格反馈 神经网络状态观测器 自抗扰控制 动态面(strict feedback Dynamic surface Neural network state observer Active disturbance rejection control)
chap4
- 基于单神经元网络的pid智能控制,基于bp神经网络整定的pid控制,基于rbf神经网络整定的pid控制(PID intelligent control based on single neuron network, PID control based on BP neural network tuning, PID control based on RBF neural network tuning)
code
- 该代码为基于pso算法优化的PID神经网络的系统控制算法 清空环境变量 粒子初始化 初始种群极值 迭代寻优 最优个体控制(The code is the system control algorithm of PID neural network based on PSO algorithm optimization Empty the environment variable Particle initialization Initial population extremum
DNRBM
- 采用栈式 RBM 的深度神经网络。自训练, 自控制(This paper is a continuation of the depth of the neural network and the choice of the previous predictor. Here we will be covered by the depth of the neural network characteristic of stacked RBM initialization, and it is in
智能控仿真程序
- 主要是智能控制算法程序,包含了专家系统,模糊控制,神经网络各种智能控制算法。(Mainly is the intelligent control algorithm, including expert system, fuzzy control, neural network intelligent control algorithm.)
chapter three
- 第三章:机器人神经网络自适应控制 基于模型不确定补偿 基于模块逼近(Chapter 3: adaptive control of robot neural network Model uncertainty compensation Module approximation)
代码
- bp神经网络pid控制,在线修正参数。。。(PID control of BP neural network)
模糊控制用于机器人避障
- 智能小车是移动机器人的一种,可通过计算机编程来实现其对行驶方向、启停以及速度的控制。要想让智能小车在行驶过程中能成功地避开障碍物,必须对其进行路径规划?,路径规划的任务是为小车规划一条从起始点到目标点的无碰路径。路径规划方法有:BP人工神经网络法(Back Propagation)、机器学习(Reinforcement Learning)、以及模糊控制(Fuzzy Control)方法等。模糊技术具有人类智能的模糊性和推理能力,在路径规划中,模糊推理的应用主要体现在基于行为的导航方式上,即将机器
nnrbf_pid
- rbf神经网络PID控制器用于在simulink下进行rbfPID控制控制器S函数的设计与实现(hsdaihskadsfsdfsfsdffsdfsdfds)
程序
- 根据所学过的BP网络设计及改进方案设计实现模糊控制规则为T = int((e+ec)/2)的模糊神经网络控制器,其中输入变量e和ec的变化范围分别是:e = int[-2, 2],ec = int[-2, 2]。网络设计的目标误差为 0.001。(According to the BP network design and improvement plan that we have learned, we design a fuzzy neural network controller with
BP
- 基于BP神经网络的中PID控制,把被控对象的模型,现在变为二阶传递函数:G(s)=1/(0.003s^2+0.067s) ,想仿真此对象的阶跃跟踪的效果(Based on BP neural network PID control, the model of the controlled object, now turned into second order transfer function: G (s) = 1 / (0.003 s ^ 2 + 0.003 s), to the simul
MATLAB神经网络43个案例分析
- MATLAB神经网络43个案例分析,适用于运动控制算法研究方向(Neural Network 43 Case Studies)
单力臂机械手控制
- 对于单力臂机器人的机械手基于神经网络的控制(Robotic Manipulators Based on Neural Network Control for Single Arm Robots)
chap6
- 神经网络简单介绍,BP神经网络在线和离线辨识,RBF神经自适应控制。(Neural network is introduced simply, BP neural network is identified online and offline, and RBF neural adaptive control.)
work2.6
- 实现控制规则为T=int((e+e1)/2)的模糊神经网络控制器(A fuzzy neural network controller with T=int ((e+e1) /2) control rule is implemented.)
chap5
- 神经网络滑模控制提出了一种新的基于滑模面的控制,所以从仿真图可以看出在两端会有振荡现象产生(Neural network sliding mode control proposed a new control based on sliding mode, so it can be seen from the simulation diagram that there will be oscillations at both ends.)
薛定宇bppid
- 基于bp神经网络pid控制的m文件,可以运行,被控对象为传递函数(bp based onpid control)
matlab神经网络30案例
- rbf神经网络自适应控制matlab仿真实例(Matlab simulation example of RBF neural network adaptive control)
工作空间中机械手的神经网络自适应控制
- 工作空间中机械手的神经网络自适应控制. 本设计为一个基于神经网络自适应控制的机械手运动模型的 MATLAB 仿真实验。以平面二关节机械手为控制对象,以一圆为目标轨迹。先得到机械手的运动 方程的形式,用 RBF 径向基神经网络对方程式中的系统的各个参数进行建模,利 用每个时刻的估计状态和理想状态的误差,通过梯度下降法对网络参数进行修正, 在若干次修正后,神经网络模型所得的状态跟踪到理想状态。