PID 前馈控制程序，运行成功，比例积分微分对控制能对对象扰动给出及时控制信号，控制效果很好

针对燃煤电厂 SCR 入口氮氧化物浓度测量准确性的问题，提出基于结构改进 RBF 神经网络(improved RBF neural network, IRBFNN)预测模型。采用互信息选取辅助变量作为模型的输入变量，避免变量过多或者过少造成模型精度降低；利用 K-近邻互信息估计辅助变量的延迟时间，解决时序问题；采用调整时序的辅助变量和主导变量建立结构改进的RBF 神经网络(RBFNN)预测模型；采用人工鱼群算法(artificial fish swarm algorithm, AFSA)和粒子群算法(particle swarm optimization, PSO)加速验证结构改进模型的优越性，并将两种优化算法优化能力进行分析。仿真结果表明，结构改进的 RBF 神经网络模型的均方根误差和平均绝对百分比误差明显高于原模型；AFSA 算法优化后的模型精度高于 PSO 算法，然而其需要调节的参数较多。

基于dsp的三相PWM整流，程序流程清晰

利用Matlab构建深度前馈神经网络以及各类优化算法的应用（SGD、mSGD、AdaGrad、RMSProp、Adam）-附件资源

过程控制，带前馈PID系统整定结果图

matlab实现前馈神经网络代码(含注释)

pid加前馈控制，matlab脚本代码及simulink仿真代码，编译都通过。

基于曲率前馈的智能车辆路径跟踪算法

前馈—串级控制系统是工业生产中很常见的一种系统，它将前馈控制和反馈控制结合起来，组成前馈—反馈复合控制系统。这样既发挥了前馈控制即使克服主要干扰被控参数影响的优点，又保持了反馈控制能抑制各种干扰的优势，同时也降低了对前馈控制器的要求，便于工程上的实现

Pytorch实现前馈神经网络fnn和卷积神经网络cnn，基于mnist数据集进行训练测试，实现手写数字识别，可以自定义28*28图片进行测试。详细。