关于参考模型自适应控制的matlab例程，帮助初学者学习了解自适应控制相关理论的实际应用。
上传时间： 2016-06-28
上传用户：爱笛生的声
利用滑模控制方法设计结合自适应控制方法，得到系统的自适应控制律
上传时间： 2018-05-12
上传用户：13121982768
基于BP神经网络的永磁同步电机自适应控制研究_邓娟
上传时间： 2020-12-15
上传用户：
该文档为神经网络自适应控制的原理的简介资料，讲解的还不错，感兴趣的可以下载看看…………………………
上传时间： 2021-10-22
上传用户：kjl
该文档为神经网络自适应控制及其发展应用简介文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
上传时间： 2021-11-26
上传用户：yiyewumian
1.针对一类参数未知的非线性离散时间动态系统，提出了一种新的基于神经网络的MMAC方法。首先，将系统分为线性部分和非线性部分。针对系统线性部分采用局部化方法逮立多个固定模型覆盖系统的参数范围，在此基础上，建立自适应模型来提高系统性能；针对系统非线性部分建立非线性神经网络预测模型来邏近系统的非线性。然后，针对每个子模型设计相应的擅制器。最后，设计基于误差范数形式的性能指标函数对控制器进行硬切换。仿真结果表明，所提出的MMAC方法与传统的在参数空间均匀分布的MMAC方法相比能显著提高非线性系统的暂态性能。2针对一类具有参数跳变的非线性离散时间动态系统，提出子一种基才聚类方法和神经网络的MMAC方法，首先，采用模糊c均值聚类算法对系统先验数据进行分类处理，再分别对每类数据采用RLS算法建立多个固定模型。在此基础上，建立两个白适应模型来提高系统响应速度和控制品质，建立神经网络预测模型来补偿系统非线性。然后，分别针对相应的子模型设计线性鲁棒自适应控制器和神经网络控制器。最后，采用基于信号有界和测量误差的性能切换指标对控制器进行切换，并证明闭环系统的稳定性。仿真结果表明，所提出的算法能更好地解决非线性系统发生参数跳变问题，使得系统具有良好的控制品质3.针对MMAC方法中的模型库优化问题，考虑系统实际运行数据，提出了种基于相似度准则和设置最大模型数的动态优化模型库方法。该方法能对新数据进行综合考量并判断是否应该将该数据纳入子模型建模，并通过设置最大模型数来确保系统用最少的子模型就能保证系统的控制性能。仿真结果表明，所提出的算法能极大地减少子模型数量且具有较好的控制效果。关键词：非线性系统；多模型方法；自适应控制；模糊聚类；神经网络
标签： 自适应控制
上传时间： 2022-03-11
上传用户：yiyewumian
建模、控制算法研究以及仿真试验都是燃气轮机研制过程中必不可少的环节，本文针对三者展开研究首先，采用容积惯性法代替牛顿-拉普逊法建立三轴燃气轮机非线性动态模型，并考虑变比热、引气与冷却等环节，通过与试车数据比较验证了所建模型具有良好的仿真精度。采用容积惯性法不但提高了模型的实时性，并且动态过程更接近真实燃气轮机运转状态。分析了容积惯性法建模中低转速阶段仿真时出现的参数振荡现象产生的原因，通过增加低转速特性数据消除了参数振荡，并提出了一种基于指数平衡与样条拟合的外推方法来获得低转速特性数据。通过低压压气机特性数据外推计算与分析，证明了该外推方法具有较好的准确性。然后，针对重型燃气轮机非线性强、惯性大和负载多变等特点，提出了一种基于深度信念网络的自适应控制器。该控制器结合了深度信念网络和传统PD控制器，其中深度信念网络作用是在线调整PID参数，而传统PD控制器负责控制量的计算与输出。通过数字仿真，验证了该控制器满足燃气轮机转速控制的要求，并且具有良好的自适应性，在燃气轮机不同工况下，能够对其转速进行准确控制，使得系统快速响应的同时无超调量。最后，针对燃气轮机硬件在环仿真平台的需要，设计了一种能够采集并模拟多种范围电压、电流与频率信号的接口模拟器。搭建了燃气轮机硬件在环控制平台，在试验前对接口模拟器以及控制器进行了标定与平台的实时性验证。在已有的控制器上，完成了基于RIX作系统的多任务嵌入式控制系统开发。通过硬件在环试验，进一步验证了本文设计的控制器具有良好的控制效果与较强的自适应能力关键词：燃气轮机，容积惯性，建模，仿真，自适应控制，深度信念网络，硬件在环
标签： 自适应控制
上传时间： 2022-03-13
上传用户：2431247090
自适应控制书籍，通俗易懂，Astorm大神的经典著作
上传时间： 2022-06-01
上传用户：20125101110
系统辨识与自适应控制Matlab仿真 含pdf书和源代码-北航版 《系统辨识与自适应控制MATLAB仿真》从MATLAB仿真角度出发，系统地介绍系统辨识与自适应控制的基本理论和方法。 《系统辨识与自适应控制MATLAB仿真》内容主要分为三部分：第1部分为绪论；第二部分为线性系统辨识与自适应控制，包括系统辨识（如*小二乘法、梯度校正法和极大似然法）、模型参考自适应控制、自校正控制和基于常规控制策略的自校正控制；第三部分为非线性系统辨识与自适应控制，包括神经网络辨识与控制、模糊控制与模糊神经网络辨识和无模型自适应控制。
上传时间： 2022-06-24
上传用户：20125101110
本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-05-23
上传用户：1101055045
