本资料是大学本科课程PPT课件，内容详细，模糊控制的数学分析、基本原理、基本模型、自适应控制等等
标签： 大学
上传时间： 2013-12-18
上传用户：thinode
关于电动汽车加速转矩的补偿控制策略，采用模糊控制方法在线性加速的基础上增加了推背感，一种有很好效果的控制方法。
标签： 电动汽车，加速转矩，补偿
上传时间： 2015-03-09
上传用户：slieprsdon
模糊控制相关专辑00.gif
标签：
上传时间： 2014-05-05
上传用户：时代将军
实验源代码 //Warshall.cpp #include<stdio.h> void warshall(int k,int n) { int i , j, t; int temp[20][20]; for(int a=0;a<k;a++) { printf("请输入矩阵第%d 行元素:",a); for(int b=0;b<n;b++) { scanf ("%d",&temp[a][b]); } } for(i=0;i<k;i++){ for( j=0;j<k;j++){ if(temp[ j][i]==1) { for(t=0;t<n;t++) { temp[ j][t]=temp[i][t]||temp[ j][t]; } } } } printf("可传递闭包关系矩阵是:\n"); for(i=0;i<k;i++) { for( j=0;j<n;j++) { printf("%d", temp[i][ j]); } printf("\n"); } } void main() { printf("利用 Warshall 算法求二元关系的可传递闭包\n"); void warshall(int,int); int k , n; printf("请输入矩阵的行数 i: "); scanf("%d",&k); 四川大学实验报告 printf("请输入矩阵的列数 j: "); scanf("%d",&n); warshall(k,n); }
上传时间： 2016-06-27
上传用户：梁雪文以
#include "iostream" using namespace std; class Matrix { private: double** A; //矩阵A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //为向量b分配空间并初始化为0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //为向量A分配空间并初始化为0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析构中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"请输入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"请输入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"个:"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分别求得U，L的第一行与第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分别求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"计算U得:"<<endl; U.Disp(); cout<<"计算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
标签： 道理特分解法
上传时间： 2018-05-20
上传用户：Aa123456789
Predictive Control with Constraints ，主要介绍含限制的模型预测控制设计理论
标签： Predictive Control with Constraints 模型预测控制
上传时间： 2018-10-08
上传用户：jsxzzcm
淋浴器温度控制调节采用MAT LAB 的附加组件Simulink, 仿真系 统的框图如图1 所示。图中的虚线为模糊控制器, 作为二维模糊控制器机构以水的温度偏差temp 和 流量偏差f low 为输入量, 采用模糊推理方法对水 的温度偏差和流量偏差进行整定, 用来确定冷水阀 门和热水阀门的开口大小cold 和hot 以便控制冷 热水的流量, 构成2 输入2 输出的一阶模糊控制系 统; 模糊推理与去模糊化采用MIN - MAX 法及重 心法, 并用MA TLAB 模糊推理工具箱来编辑模糊 控制器。 图1
上传时间： 2018-10-12
上传用户：一只虫虫
知网：电池故障诊断论文5篇，全是硕士论文，基于机器学习、模糊控制的电池故障诊断
标签： 电池故障
上传时间： 2022-02-21
上传用户：
（1）介绍了模拟电路故障诊断技术发展和现状，对现有的主要诊断方法以及近年来先进的神经网络理论和技术以及数据融合技术在模拟电路故障诊断领域中的应用进行了简单的论述（2）对神经网络方法的基本原理及其在模拟电路故障诊断中的优势进行了详细的介绍，包括神经网络的分类和神经网络的学习规则。详细说明在电路故障诊断中应用最广泛的BP神经网的设计、训练和测试方法，并对一个两级RC耦合放大器电路例进行了测试、神经网络训练和诊断。（3）介绍了数据融合技术的概念、优缺点、基本方法及其在各个领域的应用情况。然后对于数据融合具体方法，着重研究了 Bayes统计融合方法Dempster-Shafer证据理论融合方法以及模糊集理论融合方法。最后采用基于待定系数法的隶属度构造法以及模糊融合的方法对实例电路进行了故障诊断。（4）提出了一种新的利用包含元件直流特性信息的静态工作点电压和包含元件交流特性信息的不同频率激励下输出电压峰值与输出电压峰值的比值两类信息进行数据融合诊断的方法，保证故障信息量的同时降低了获取难度，应用模糊数学的理论，通过模糊变换将两类故障信息通过两个神经网络诊断得出的故障求属度进行决策层的数据融合，较好的解决了了单神经网络诊断信息量不足，由于电路元件互相影响而产生的故障诊断不确定性的问题以及待融合故障信息隶属度获取困难的问题，使得诊断准确率得到较为明显的提高本文提出的基于数据融合和神经网络的方法可以实现对模拟电路的故障进行准确实时快速诊断，具有一定的实用价值。关健词：模拟电路；数据融合；神经网络；模糊集理论
标签： 数据融合
上传时间： 2022-03-17
上传用户：
化石能源日趋枯竭，核能发展受限，能源问题愈来愈成为全人类所不可避免的一个严峻挑战。光伏发电技术是太阳能利用的主要形式。基于提高太阳能转换效率的最大功率点跟踪（Maximum power point tracking，简称MPPT）的提出与应用为光伏发电系统的优化利用提供了坚实的基础。本文针对MPPT技术开展了细致的工作计划，完成了以MPPT控制器为核心的光伏发电系统设计和仿真，较好地解决了能量转换低下的问题。首先，总体介绍了光伏发电系统。其次，阐述了光伏发电系统基本原理。然后就MPPT控制器的实现部分-DCDC变换电路，阐述了电路CCM工作模式，利用两种方法对Buck和Boost电路进行了建模和仿真分析.Boost电路设计简便、可升压，且能够保证一直工作于CCM下，具有更实用的特点，更进一步地，说明了传统MPPT算法的实现原理和控制流程，仿真研究表明改进型变步长扰动观察法在光强变化时具有较好的跟踪控制性能，但是温度变化时跟踪效果差。针对传统算改进型扰动观察发法不能很好地响应环境的变化同时存在严重振荡，偏差较大的情况，提出一种人工智能控制方法--模糊控制法，进行系统分析，模糊控制规则确定以及FIS编辑器参数设置等，完成了系统的设计。最后搭建出光伏发电MPPT人工智能控制系统的仿真模型，设置相关参数。通过仿真结果的比较和分析验证了模糊控制法的有效性和可行性。
上传时间： 2022-06-21
上传用户：
