针对现有全阶状态观测器的反馈自适应率PI参数的设计中存在寻找最优解困难的问题,提出了一种基于改进粒子群算法的反馈自适应率PI参数优化算法。首先根据频域方法给出反馈自适应参数的设计准则及影响其参数设计的主要因素;然后将利用设计准则设计好的几组参数值编码后混入随机初始种群,增加初始种群中优良品质个体的数量,提高收敛速度和搜索效率;最后通过编码、初始化种群及参数设置、适应度评价、更新粒子速度和位置得到PI参数最优值。实验结果表明,在斜坡给定0.2,0.6pu转速时,无论空载启动还是负载运行,采用优化算法得到的PI参数进行速度估算时精度明显高于传统试凑法,能够满足矿井提升机的技术指标要求。

针对直线电机平台轮廓运动精确控制的难题,提出一种基于局部任务坐标系(LTCF)的自适应鲁棒控制(ARC)方法。通过坐标变换阵T将所建立的动力学模型变换到LTCF中,实现在笛卡尔坐标系下跟踪误差的解耦。利用自适应鲁棒控制器对建模误差的实时补偿,使系统快速稳定并保持较好的系统鲁棒性。将所设计控制方法与基于交叉耦合(CCC)的自适应鲁棒轮廓运动控制方法进行对比仿真实验,结果表明,所提控制方法具有更好的轮廓控制性能。

传统的强化学习（RL）使用回报（也称为累积随机奖励的期望值）来训练代理学习最佳策略。 但是，最近的研究表明，学习学习收益的分布要比学习其预期价值具有不同的优势，如在不同的RL任务中所见。 从使用传统RL的收益期望到分配RL收益分配的转变，为RL的动力学提供了新见解。 本文基于我们最近的研究RL量子方法的工作。 我们的工作使用量子神经网络实现了分位数回归（QR）分布Q学习。 该量子网络在具有不同分位数的网格世界环境中进行了评估，说明了其对算法学习的详细影响。 还将其与马尔可夫决策过程（MDP）链中的标准量子Q学习进行了比较，这表明量子QR分布Q学习比标准量子Q学习可以更有效地探索环境。 RL中的主要挑战是有效的勘探以及开发与勘探的平衡。 先前的工作表明，可以从分布的角度采取更多有益的措施。 我们的研究结果表明了其成功的另一个原因：分布式RL的性能增强可以部分归因于其有效探索环境的卓越能力。

基于自适应滤波的通信信号去噪

图像在采集、获取和传输过程中往往夹杂着噪声，针对几种常用方法去噪效果不理想，提出了一种新的图像去噪方法。此方法通过二维变分模态分解将图像分解为一系列不同中心频率的子模态，保留其低频模态，并对其进行自适应中值滤波处理，从而得到其去噪后的图像。实验结果表明，与其他几种常用的去噪方法相比，该方法在滤除噪声的同时，能较好地保留图像的边缘细节，图像也获得了较好的视觉效果，此外客观评价参数也得到明显的改善，随着噪声强度加大去噪效果愈明显。

某宝上面卖158元的源码，亲测可用，界面超靓。手机，pad，PC自动识别切换界面，免费共享。精品-HTML5高端品牌网站建设织梦响应式模板 自适应手机模板 php源码.rar

针对现有多级胶带调速系统采用二维模糊控制算法存在调节速度与期望速度误差较大的问题,建立了自适应神经模糊推理系统模型,设计了一种基于自适应神经模糊推理系统模型的多级胶带调速系统。该调速系统以第1条胶带的瞬时流量和实时速度为输入量,以变频器的调节频率为输出量实现调速。Matlab仿真结果表明,引入自适应神经模糊推理系统模型的多级胶带调速系统的速度误差可控制在2%以下,运量与带速匹配率得到了优化,对现今煤矿企业的节能减排具有一定的应用价值。

针对煤矿带式输送机经常在轻载下运行系统功率因数较低、电动机能耗较高的现象,分析了带式输送机的运行过程,提出一种自适应节能控制技术,即在线监测电动机功率,根据负荷情况采用循环调度策略调节运行电动机的数量,在轻载时,减少电动机运行的数量,提高功率因数和电动机效率。对自适应节能控制系统的软、硬件进行了设计,并进行了试验研究。试验结果表明,该方案能够提高电动机的功率因数,节约能源,具有较强的实用价值。

针对传统直流带式输送机控制系统存在稳定性差以及可靠性低等问题,提出了一种基于PLC的直流带式输送机系统的自适应模糊控制策略。根据直流带式输送机的数学模型,采用自适应模糊控制算法来实现转速的快速跟踪控制。在此基础上设计了以PLC作为核心处理器的直流带式输送机硬件系统和软件系统。测试结果表明,提出的控制策略具有较好的调节性能。

在本文中，提出了一种新颖的自适应鲁棒方法来对一类受执行器未建模动力学影响的柔性臂机器人进行建模和控制。 它显示了如何利用动态系统测量的实时信号来提高柔性机器人数学模型的准确性。 鉴于机器人手臂的弹性，柔性机械手具有被动和主动自由度。 非线性鲁棒控制器设计用于主动自由度，以使机器人在执行器存在未建模动力学的情况下能够遵循所需轨迹。 此外，表明在某些可行的条件下，为被动自由度设计了另一个非线性鲁棒控制器。 此外，为了将系统响应用于模型提取，提出了两个辅助信号，以提供足够的信息来从数字上提高系统动力学的准确性。 另外，在每种情况下都提出了两种自适应定律来更新两个引入的辅助信号。 结果，在主动自由度收敛到它们的期望轨迹之后，控制器控制被动自由度。 同时，从系统收集的用于更新辅助信号的信息提高了模型的准确性。 最后，给出了仿真结果以验证所提出控制器的性能。