文件是根据论文中用simulink搭建的前馈锁相环，能够完美运行，能够成功锁相，有需要的自行下载

一个刚性二连杆无摩擦机器人的简单模型matlab搭建_及其PI前馈控制matlab仿真程序

基于STM32的负载电流前馈PWM整流器设计.pdf

控制系统PID控制加上前馈反馈仿真代码算法，值得大家参考

该模型表明 LQR 设计方法也可以有效地用于以非平稳状态矩阵为特征的植物。 为不同的工作点设计了一组控制器，并采用 FFNN 来存储这些知识。 如果状态矩阵 A 发生变化，则增益矩阵 K 会即时调整。 在感应电机的情况下，状态矩阵 A 的一些条目是例如定子磁通空间矢量角速度和转子的滑差角速度的函数。 更多细节可以在用于感应电机驱动的基于神经网络的可编程状态反馈控制器 ( http://dx.doi.org/10.1109/IJCNN.2006.246811 ) 中找到。 还建议在使用此模型之前熟悉 LQR 基础知识。 参见例如http://www.mathworks.com/help/control/ref/lqr.html 。

带负载电流前馈的双闭环单相全桥逆变器Simulink仿真，内环为电感电流环，外环为输出电压环，均为瞬时值反馈，带负载电流前馈补偿。逆变器额定功率10kW，输出电压有效值220V，THD为0.17%，负载功率因数为0.8。如果不懂原理，可以观看我写的文章《单相全桥逆变器带负载电流前馈的双闭环控制系统设计及仿真》，里面有详细的建模和设计过程。

a little example of a single channel feed-forward active noise control system based on the FxLMS 基于fxlms算法的单通道前馈anc系统。m文件，带注释，可直接运行。

pytorch实现前馈神经网络实验（torch实现）参考链接：https://blog.csdn.net/qq_37534947/article/details/109402126

参考文章：https://blog.csdn.net/qq_37534947/article/details/109394648

构建一个至少含有1-2 层隐藏层的神经网络模型，解决手写的0-9 十个手写 数字的识别问题。神经网络模型构建过程中需要注意的几点： （1）数据集采用MNIST 阿拉伯数字手写体数据集。 （2）模型输入层的节点个数的设计。输入层的节点数目应该与输入的手写 体图片的大小相等。MNIST 手写体数据集中手写阿拉伯数字的图像为28×28 的 方形图。 （3）每一个隐藏层的网络节点数的设计。应该遵循特征提取与降维相统一 的原则。 （4）输出层的节点数。因为识别任务是0-9 的十个手写数字，所以输出层 应该是一个多任务的二分类问题