搜索资源列表
POSRBFNN
- mtlab粒子群优化模糊RBF神经网络整定PID控制-mtlab Particle Swarm Optimization Fuzzy RBF neural network PID control tuning
shenjingwangluo
- 提出了一种模型分块逼近的RBF网络自适应控制,将其用于机械臂的位姿控制,并用Matlab软件进行了仿真。-Proposed a model block of RBF network adaptive control approach, to pose for the manipulator control, and simulation using Matlab software.
cd4ef1.ZIP
- 基于在线学习RBF神经网络的汽门开度自适应补偿控制方法Online learning RBF neural network-based adaptive compensation control method of valve opening degr-Online learning RBF neural network-based adaptive compensation control method of valve opening degree
RBFNN-PID
- 神经网络RBF pid控制策略 源程序,可以直接运行-Neural network RBF pid control strategy source program that can run directly
nnrbf_pid
- 在MATLAB中使用,S函数现实RBF-PID控制程序。 -S function of the reality on RBF-PID control
rbf03
- RBF調整PID控制 SISO非線性系統-RBF tuning PID control of SISO nonlinear systems
MRBFAdaptivea
- 机械手RBF网络自适应控制,是个个很好的例子,可以借鉴的 -Adaptive control of robotic RBF network, is all a good example, can learn from
CHAP4_3
- 先进PID控制matlab仿真中rbf网络仿真源代码-Advanced PID control matlab simulation rbf network simulation source code
matlab-robot
- 机器人神经网络控制之RBF网络的逼近,内有mdl模型和s-fun函数。-Robot neural network control of RBF network approximation within mdl model and s-fun function.
m2
- 神经网络控制的一些有用程序,主要有BP,RBF等算法的系统辨识和控制-Neural network control some useful procedures and system identification and control algorithms such as BP, RBF
ann
- 里面包含基于RBF神经网络的PID整定和基于BP神经网络的PID整定-Adaptive PID control based on RBF Identification
1000-3428(2008)22-0231-03
- 针对传统的PID 控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF 神经网络智能PID 控制器的设计方法。 该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF 神经网络相结合以在线调整PID 控制器参数,整 定出一组适合于控制对象的kp. ki. kd 参数。将算法运用到电机控制系统的PID 参数寻优中,仿真结果表明基于此算法设计的PID 控制器改善了电机控制系统的动态性能和稳定性。-Fixed for the traditional PID
servo-system
- 这个是我做数字伺服系统仿真实验设计的程序,是采用用基于RBF 神经网络的预测误差修正控制-This is what I do digital servo system simulation design process, is the use of RBF neural networks using prediction error correction control
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)
01563016
- 先采用RBF神经网络进行控制对象辨识,控制器采用了pid-Adaptive PID Control Based on RBF Neural Network Identification
04620758
- 基于自适应RBF神经网络的PID控制,用于燃气轮机排气温度 -SELF-ADAPTIVE RBF NEURAL NETWORK PID CONTROL IN EXHAUST TEMPERATURE OF MICRO GAS TURBINE
05743516
- 基于RBF神经网络的中频感应炉的智能控制研究-The Study of Intelligent Control of Medium Frequency Induction Furnace Based on RBF Neural Network
05759311
- 基于RBF神经网络的三电机同步调速系统 控制 -Three-motor Synchronous Speed-regulation System Based on RBF Neural Network Control
06023826
- 基于RBF神经网络的PID控制的仿真研究 -The Study and Simulation of PID Control Based on RBF Neural Network
0700013
- 基于RBF神经网络和模糊神经元控制方案, 直接驱动机器人 -Neuron Control Based on RBF Network and Fuzzy Scheme for a Direct Drive Robot