搜索资源列表
bp_pid01.rar
- bp神经网络PID参数自整定 S函数实现 不怎么好 期待其它完美的,bp neural network PID parameter self-tuning
fuzzypid2.rar
- 一个用simulink做的模糊PID自适应系统，FIS等都比较简单，适合初学者。通过与PID的比较曲线可以看出此系统更加优越。,A simulink do with self-adaptive fuzzy PID system, FIS are relatively simple, suitable for beginners. Comparison with the PID system curve can be seen even more superior.
MATLAB_guolu.rar
- 本文应用模糊控制技术,设计了一种二输入三输出模糊自整定PID控制器,对锅炉汽包水位进行控制,实现了PID参数的自适应调节。利用MATLAB对控制系统进行仿真。结果表明,该控制器自整定能力及鲁棒性比传统PID控制器更强,响应速度快、精度高,同时对虚假水位有较好的控制效果。matlab实践研究。,In this paper, fuzzy control technology, the design of a two input and three output fuzzy self-tuning P
PID
- 基于神经网络的参数自整定PID控制算法源代码 具有很强的使用价值 经过测试 可以运行-The parameters based on neural network self-tuning PID control algorithm has a strong value the source code has been tested to run
fuzzypid1
- 一个用simulink做的模糊PID自适应系统，通过三个模糊FIS：dkp,dki,dkd来分别控制Kp,Ki,Kd，以达到PID参数可自动调整的目的。-A simulink do with self-adaptive fuzzy PID system, through three fuzzy FIS: dkp, dki, dkd to control the Kp, Ki, Kd, in order to achieve automatic adjustment of PID paramete
fadongjiMBP
- 伺服电机的神经网络参数自整定程序，利用BP误差反向传播算法改变PID 控制参数以获得优越的控制效果-Servo motor parameters of the neural network self-tuning procedures, the use of error back-propagation algorithm BP to change PID control parameters for superior control
MOHUPID
- 模糊PID控制程序，用于模糊自整定PID控制算法的实现-Fuzzy PID control procedures for the fuzzy self-tuning PID control algorithm to achieve
chap5_4
- 实数编码的遗传算法pid整定，实现系数自整定-Real-coded genetic algorithm pid tuning to achieve self-tuning factor
CHAPTER4
- 本文讨论了神经网络PID控制策略，提出了一种单神经元自适应PID控制器，给出了控制模型，探讨了单神经元自适应PID控制学习算法，通过修改神经元控制器连接加权系数 ，构成了自适应PID控制器。利用神经网络的自学习能力进行PID控制参数的在线整定，并使用了MATLAB软件进行了仿真研究。比较传统PID控制器与单神经元自适应PID控制器两者的仿真结果表明，神经网络PID控制器参数调节简单，具有很高的精度和很强的适应性，可以获得满意的控制效果。-This paper discusses the nerv
ResearchandImplicaofAutochargingEquipmentBasedonDS
- ：介绍了一种利用DSP控制的大容量蓄电池自动充电装置的设计。采用高频开关电源技术，给出了基于数 字信号处理器TMS320LF2407的充电装置控制系统的软、硬件设计。借助Matlab中的Simulink仿真工具，采用 在线模糊自整定技术对充电装置控制系统进行仿真，并将仿真结果应用于DSP控制器中，实现对Fuzzy-PID控 制的Kp、Ki、Kd参数的在线自整定，使充电方式能较好的模拟最佳充电曲线，达到理想效果。理论分析和试验都 表明，该充电装置能够有效地提高蓄电池的充电效率，加快
QDRWNN
- 准对角递归小波神经网络PID算法，其控制效果要比常规的多变量PID控制算法要好的多-Design of multivariable self-tuning PID controllers via Quasi-Diagonal Recurrent wavelet Neural Network
MATLAB-basedControlSystemAnalysis
- 锅炉汽包水位控制系统是火力发电厂中的一个重要的热工控制系统，汽包水位的 控制大多采用传统PID控制方式。但是，传统PID控制器参数的整定是在获取对象数学 模型的基础上，根据某一整定规则来确定的，不能进行在线调整，难以适应锅炉汽包 水位这样一个复杂多变的控制系统，其控制效果往往难以满足要求。 本文应用模糊控制技术，设计了一种二输入三输出模糊自整定PID控制器，对锅 炉汽包水位进行控制，实现了PID参数的自适应调节。利用MATLAB对控制系统进行 仿真。结果表明，该控制器自整
pro_1
- 有一个3阶对象，要求使用继电自整定方法对其实施自适应PID控制。 要求： 1、选择采样时间0.1s，把对象离散化。 2、加继电（开关）控制，测量对象的Tc,Kc。 3、利用ZIEGLER-NICHOLS 公式表，确定PID参数。 4、实现闭环控制。 5、根据调节效果，修正PID参数。-A 3-order object, requires the use of relay self-tuning PID control methods on the implementa
On-lineMultistepPredictiveControlofTempretureBased
- 预测控制是一种新型的控制算法之一。经典的PID控制方法简单方便,但是精度不高。近年来发展的自适应、自校正方法精度高,但其本质要求在线辨识对象模型,对过程的未建模动态和扰动的适应能力差,鲁棒性不好。预测控制方法集PID和自适应方法二者之长,是一种面向工业过程特点、对模型要求低、在线计算方便、控制精度高的算法。数字计算机向小型、高速、大容量、低成本方向的发展,为预测控制这类新算法的实现提供了物质基础。 本文以PCT—Ⅲ型过程控制系统装置为平台,将预测控制算法运用到实际系统中去,该装置分为水位系统和温
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.
Aggarwal---A-self-tuning-analog-PID-controller.pd
- A Self-Tuning Analog Proportional-Integral-Derivative (PID) Controller
Fuzzy-PID-Controller-Design
- 模糊自整定PID控制器设计。 本资料含有详细的PID控制器算法M文件、Simulink模型搭建、模糊控制器设计以及相应的技术文档分析。相信对您一定很有帮助-Fuzzy self-tuning PID controller design. This information contains details of the PID controller algorithm M files, Simulink models to build, fuzzy controller design and
fuzzy14good
- 模糊参数自整定PID控制模糊推理规则，本规则考虑到偏差很小时，提前使系统减速，基本无超调-Fuzzy parameter self-tuning PID control rules of fuzzy inference
A-stable-self-learning-PID-control-
- 自学习专家系统关于一个稳定的自学习PID控制器。-A stable self-learning PID control
self-tuning-control
- 自校正实例源代码，包含最小方差（间接和直接）自校正控制源代码，极点配置自校正控制等。-Since the correction source code examples, including minimum variance (indirect and direct) from corrective control the source code, and the pole assignment pid self-tuning control, etc.