人工智能-多变量预测控制及神经网络控制若干问题研究.pdf

为了解决强耦合问题和控制过程中参数难于调节的问题,提出了基于忆阻的自适应单神经元多变量解耦PID控制器,根据传统控制器的结构和原理,构建了两变量解耦控制器的结构。分析了两变量解耦控制器的性能,给出了实验仿真结果。通过实验结果,发现这个新的两变量解耦控制器具有较高的控制可靠性、较好的适应性,比传统的控制器学习速度快。最后得到了一个理想的、自适应、自组织的多变量解耦控制器,并获得了较好的控制效果。

主要目标是对在 F-86 Sabre 中应用线性二次调节器 (LQR) 和线性时不变模型预测控制器 (MPC) 获得的结果进行比较，同时路径规划技术和非线性制导法律被雇用。 该代码完成了闪电战任务，用 M117 爆破炸弹轰炸指定区域。 利用递归奖励自适应单元分解（RR-ACD）算法，在避开障碍物和尊重约束的基础上计算参考轨迹，然后，平滑 3D 路径规划（S-3D-PP）算法改进路径并定义一个速度剖面。 提到的控制器和非线性制导律是完成任务的关键。 对飞行参数、油耗、轰击精度和风速进行了分析。

多变量神经网络解耦控制在化工精馏塔中的应用，杨春，李国勇，针对化工精馏塔顶部产品回路与底部产品回路之间存在严重耦合性的问题，提出一种基于PSO优化算法的多变量RBF神经网络解耦方法。首先

该库包含一套完整的 MATLAB 函数，旨在使用各种技术对时间序列进行时间分解：没有指标的方法（Boot-Feibes-Lisman、Stram-Wei、低通插值）； 使用不同方法的指标方法：优化（Denton）、静态模型（Chow-Lin、Fernandez 和 Litterman）、动态模型（Santos-Cardoso、Proietti）、ARIMA 模型（Guerrero）； 以及带有指标和横向约束的多元方法（Denton、Rossi、Di Fonzo）。 该库还包含用于平衡的函数（比例、RAS 双比例和 Van der Ploeg）以及一个用 Visual Basic 编写的接口，允许在电子表格环境中使用。 该库旨在用于生产模式，减轻定期数据编译和短期监控的任务，也用于研究模式，允许深入探索结果及其内部机制。

mit 18.02 Multivariable Calculus 多变量微积分 包含作业，考试（带答案），上课讲义

用于给定约束函数的优化。

% 基于 PCA 的故障检测％ % 输入：z0 [N x 2] = 训练数据% z1 [N x 2] = 测试数据% 其中： N = 样本数％ % 此代码可视化 PCA 如何计算% 用于故障检测中的多元数据。 % 它还使用 MATLAB 的 ks密度% 估计数据 PDF，以便计算% 基于 T^2 的控制上限。 ％ % simpledata.mat 具有样本温度 [K] % 和浓度 [mol/L] 数据来自% 模拟 CSTR 的含量。 ％ % 输出是原始数据的图， % 归一化数据和 PCA 投影数据。 % 另外，环代表基于 T^2 的% 不同用户的控制上限 - % 定义的置信水平被绘制。 ％ % 您可以在第 77 行编辑置信限。 ％ % 此代码用于教育目的。 ％ % 加载 simpledata.mat 并运行以下命令： % >> pcabased_fault_detection(train,

MEDOUTLIERFILT - 使用每列的中位数 [stats_data,filtered_data] = medoutlierfi​​lt(x,outlier_cut,plot_state) 通过指定截断值从数据集 X 中删除可能的异常值。 OUTLIER_CUT 是一个截断值，是上面四分位数范围的倍数Q3 及 Q1 以下，默认值与 BOXPLOT 函数相同。 Plot_state = 1 表示开启，0 表示关闭，DEFAULT = ON 例子： 加载计数.dat; [统计，过滤数据] = medoutlierfi​​lt(count,1,1) 灵感来自 Chris D. Larson 的 quartile.m 另见：箱线图、四分位数科林·克拉克2006 克兰菲尔德大学 箱线图所需的统计工具箱，如果未指定箱线图关闭 一如既往，欢迎提出意见和建议！

人工智能-机器学习-火电厂多变量控制系统的反标架正规设计及CAD软件开发.pdf