搜索资源列表
wavePredict
- 随着新的数学工具小波分析的实用化为基于NN负荷预测模型性能的改善提供了理论依据对于电力系统负荷非线性时间序列的辨识在预测方法研究中应给予重视在本文所用的基于小波原理和NN融合的预测原理是具有强的非线性时间序列的辩能力由研究和仿真表明它能有效提高预测的精度-with new mathematical tools wavelet analysis based on NN into practical load forecasting model to improve the performance
AdaptiveFuzzyControlSystem
- ：运用动力学原理建立了小车-倒摆的仿真模型, 并以对象输入输出的测试数据为依据，讨 论了Takagi-Sugeno 模糊模型的参数辨识，提出了模糊逆模型控制方案，基于此借助Matlab 的 Simulink 设计了小车-倒摆的动态模型及其模糊自适应控制系统。仿真结果证明了本文采用的控制 策略的有效性。
基于神经网络的教学质量评估模型
- 本文利用神经网络方法建立教学质量评估系统的数学模型，采用各评价指标作为其输入，教学效果作为输出，基于最小二乘思想，采用梯度搜索技术，以期使网络的实际输出值与期望输出值的误差均方值最小，经仿真计算证明，该数学模型具有较好的辨识精度。
aircraft_trajectory_simulation
- 对某飞行器的全空域飞行弹道进行了仿真研究.建立了飞行器空间运动的数学模型，应用“牛顿插值多项式法”对气动力参数进行了辨识，用C语言编制了仿真程序，并给出了仿真结果及分析。-Of a vehicle-wide airspace simulation trajectory. Established the aircraft mathematical model of space motion, application, Newton interpolation polynomial method
load-model
- 本PDF文件是一篇关于适用于快速暂态稳定计算的新型负荷模型和参数辨识方法！是一篇不错的文章-This PDF document is an article about new load models for fast transient stability calculations and parameter identification method! It is a good article
fuzzy-clustering-control
- 提出了一种新的基于T-S 模糊模型在线辨识的非线性系统的故障诊断与容错控制策略．-A novel fault detection and fault-tolerant control scheme based on online identification of T-S fuzzy model is proposed．
nonlinear_identification
- 各种非线性系统辨识的编程方法，主要是matlab工具箱的使用，以及常规的几种结构模型，有利于非线性系统辨识的朋友-All kinds of nonlinear system identification method of programming, mainly is the use of matlab toolbox, and conventional several structure model, be helpful for nonlinear system identification
PMSM-parameter-identification
- 基于改进型模型参考自适应的PMSM参数辨识-PMSM parameter identification based on the modified model reference adaptive
load
- 关于电力系统负荷模型辨识算法的文献，文献分析了负荷模型对系统的影响-Power system load model identification algorithm literature, literature analysis of the load model system
dSPACE-training-book
- 系统模型辨识软件dspace 的简要介绍和入门教学-The system model recognition software dspace brief introduction and entry teaching
Rotor-Time-Constant-Identification
- 基于转子磁链模型的模型参考自适应方法，用于辨识转子时间常数-Rotor Time Constant Identification in Vector Controlled Induction Motor Applied Flux Model Reference Adaptive System (MRAS)
MATLAB-AR
- 基于MATLAB的AR模型参数估计，举例说明AR模型参数的辨识。-MATLAB-based AR model parameter estimation, and illustrate the identification of the AR model parameters.
data-handling-algorithm-learning
- 数据组合方法研究，该方法是以多项式为基础通过不断筛选组合来辨识非线性系统的模型。该文章详细介绍了该方法的发展及实现步骤。针对该方法中的不足，提出改进措施-Data combination method, the method is based on the polynomial basis through continuous screening combination to identify the model of the nonlinear system. The article desc
SIFT-algorithm
- SIFT特征（Scale-invariant feature transform，尺度不变特征转换)是一种计算机视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe 在1999年所发表，2004年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。此算法有其专利，专利拥有者为 英属哥伦比亚大学。 局部影像特征的描述-SIFT algorithm
MPC
- 一类非线性系统的多模型预测控制,鳗辨识建立多个局部模型．根据每个局部模型分别设计子GPC控制嚣，通过跟踪工况变化对于 控制器加权以获得控制增量．仿真结果表明该方法可取得令人满意的控制效果． 关键词：多模型；非线性系统；模糊聚类；预测控制-multiple model based predictive control for a class of nonlinear systems
MULTIPLE
- 一类非线性系统的多模型预测控制,鳗辨识建立多个局部模型．根据每个局部模型分别设计子GPC控制嚣，通过跟踪工况变化对于 控制器加权以获得控制增量．仿真结果表明该方法可取得令人满意的控制效果． 关键词：多模型；非线性系统；模糊聚类；预测控制-multiple model based predictive control for a class of nonlinear systems
30-p1795-114191
- 基于二阶泛模型的无模型自适应控制及参数整定，充分利用无模型自适应控制边建模边控制的特点，推导基于二阶泛模型的改进无模型自适应控制，应用辨识出的近似模型针对不同目标函数进行优化-Pan model based on second order approximation model of model-free adaptive control and parameter tuning, make full use of model-free adaptive control side edge co
Identification-Algorithm
- 以某电厂300MW锅炉汽轮机的协调控制系统为对象,基于减法聚类的多模型在线辨识算法.-Multi-model line identification algorithm based on subtractive clustering.
Water-Distribution-System-Modeling
- 基于系统辨识理论和数据驱动建模方法，建立了供水管网 NARX（Nonlinear Auto-Regressive with eXogenous Inputs）神经网络模型-Based on system identification theory and data driven modeling method, a neural network model of water supply network is established.
matlab
- 对具有随机噪声的二阶系统的模型辨识，进行标幺化以后系统的参考模型差分方程为 (7.90) 式中， 为随机噪声。由于神经网络的输出最大为1，所以，被辨识的系统应先标幺化，这里标幺化系数为5。利用图7.5正向建模(并联辨识)结构，神经网络选用3-9-9-1型，即输入层i，隐层j包括2级，输出层k的节点个数分别为3、9、9、1个； -Model identification of two order systems with stochastic noise