PID自适应调整
上传时间： 2022-07-10
上传用户：
本文提出在数字移动通信中子带滤波器组处理可以提高不同阵元信号的相关性，从而能改善自适应阵列抑制码间干扰(ISI)和共信道干扰(CCI)的能力．在文[6]的基础上，本文研究了子带滤波器组在宽带自适应天线旁 瓣相消中的应用，对其原理进行了理论分析，提出了有效的子带处理方法．经研究表明，子带滤波器组处理能有效增加主、辅助天线信号的相关性，从而提高系统干扰相消比．而且适当的过采样能使系统干扰相消比进一步提高．计算机仿真结果和实测雷达数据处理结果证实了子带处理方法的有效性和理论分析的正确性．
上传时间： 2013-12-24
上传用户：dreamboy36
本文提出在数字移动通信中子带滤波器组处理可以提高不同阵元信号的相关性，从而能改善自适应阵列抑制码间干扰(ISI)和共信道干扰(CCI)的能力．在文[6]的基础上，本文研究了子带滤波器组在宽带自适应天线旁 瓣相消中的应用，对其原理进行了理论分析，提出了有效的子带处理方法．经研究表明，子带滤波器组处理能有效增加主、辅助天线信号的相关性，从而提高系统干扰相消比．而且适当的过采样能使系统干扰相消比进一步提高．计算机仿真结果和实测雷达数据处理结果证实了子带处理方法的有效性和理论分析的正确性．
上传时间： 2014-01-25
上传用户：redmoons
本文提出在数字移动通信中子带滤波器组处理可以提高不同阵元信号的相关性，从而能改善自适应阵列抑制码间干扰(ISI)和共信道干扰(CCI)的能力．在文[6]的基础上，本文研究了子带滤波器组在宽带自适应天线旁 瓣相消中的应用，对其原理进行了理论分析，提出了有效的子带处理方法．经研究表明，子带滤波器组处理能有效增加主、辅助天线信号的相关性，从而提高系统干扰相消比．而且适当的过采样能使系统干扰相消比进一步提高．计算机仿真结果和实测雷达数据处理结果证实了子带处理方法的有效性和理论分析的正确性．
上传时间： 2013-12-08
上传用户：wang0123456789
工业生产过程中，时滞对象普遍存在，同时也是较难控制的，尤其是大时滞对象的控制一直都是一个难题。而很多温度控制系统都是属于大时滞系统，常见的智能温度控制器虽然在温度控制的实际应用中表现了比较理想的控制效果，但它仍然属于将参数整定与系统控制分开处理的离线整定方法，如果工况发生变化就必须重新调整参数。针对这一问题，为了实现时滞系统参数自整定的控制，本文将神经网路控制、模糊控制和PID控制结合起来，设计了基于神经网路的模糊自适应PID控制器。 首先，本论文分析了时滞系统的特点，讨论了几种时滞系统较为成熟的常规控制算法：微分先行控制算法、史密斯预估控制算法、大林控制算法，并深入研究了它们的控制性能；并且通过仿真对这三种控制方法在温控系统中的控制性能进行了比较。 其次，在分析PID参数自整定传统方法的基础上，设计了一种改进方法，并设计了相应的控制器。该控制器综合了模糊控制、神经网络控制和PID控制各自的长处，既具备了模糊控制简单有效的控制作用以及较强的逻辑推理功能，也具备了神经网络的自适应、自学习的能力，同时也具备了传统PID控制的广泛适应性。该方法不需要离线整定参数，实现了在线自整定参数。仿真实验表明了该控制器对模型和环境都具有较好的适应能力和较强的鲁棒性。 最后将基于神经网路的模糊自适应PID控制器应用于贝加莱PID温控装置，能够出色地实现参数的在线自整定。理论分析、系统仿真、实验结果都证实了这种控制策略能有效地减少系统超调量，并减少了调节时间，提高了系统的实时性和控制精度。
上传时间： 2013-07-05
上传用户：xinyuzhiqiwuwu
无线传感网络存在关键区域节点能量消耗过快，节点能量供应有限以及通信链路拥塞等问题，容易造成节点故障和路由破坏。为减小上述问题对网络传输造成的影响，提出一种基于Q学习的无线传感网络自愈算法，通过引入Q学习的反馈机制，动态感知网络的状态信息，当故障发生时，自适应地选择恢复路径，保证数据实时顺利传输。仿真结果表明，该算法降低了错误选择故障或拥塞路径的概率，在故障感知、故障恢复和延长网络寿命等方面，表现出了良好的性能。
上传时间： 2013-10-26
上传用户：toyoad
自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~
上传时间： 2014-01-06
上传用户：ghostparker
基于BP神经网络的 参数自学习控制 （1）确定BP网络的结构，即确定输入层节点数M和隐含层节点数Q，并给出各层加权系数的初值 和 ，选定学习速率 和惯性系数 ，此时k=1； （2）采样得到rin(k)和yout(k)，计算该时刻误差error(k)=rin(k)-yout(k)； （3）计算神经网络NN各层神经元的输入、输出，NN输出层的输出即为PID控制器的三个可调参数 ， ， ； （4）根据(3.34)计算PID控制器的输出u(k)； （5）进行神经网络学习，在线调整加权系数 和 ，实现PID控制参数的自适应调整； （6）置k=k+1，返回（1）。
上传时间： 2016-04-26
上传用户：无聊来刷下
空时自适应仿真代码 萨满的很少见啊必须拿着V型吃撒谎感觉啊喜欢就下班没那个小奥拉进行报名呢 ，你下次卡沙
上传时间： 2016-07-17
上传用户：liuliu
改进版多模型卡尔曼滤波论文，能更好的适应非线性场景
标签： IMM-kalman 滤波
上传时间： 2019-06-10
上传用户：guokai626
