T-S型模糊算法在FPGA上的实现。TB文件已经写好。详细见我的博客《T-S型模糊算法简述及FPGA的实现》

matlab模糊控制代码模糊Q学习机器人 作者 : , , 该项目为应用于移动机器人的模糊 Q 学习提供了概念证明。 模拟和环境只需要 GNU Octave，这也应该适用于 Matlab，但我们建议您使用 GNU Octave。 主要建议是能够对经典和强化模糊逻辑进行基准测试 警告：源代码需要认真的重构。 安装 下载 github 项目 (zip) 解压并复制 GNU Octave 当前目录中的所有文件。 如何 可以执行多个环境的多个控制器： 环境 目的 控制器 要执行的文件 自由 目标达成 FLC49 4 墙 避障 FLC27 4堵墙和4个障碍 目标到达和避障 FLC49/27 自由 学习目标达到 R-FLC20 自由 目标达成 RL-FLC20 自由 学习目标达到 RL-FLC49 4 墙 学习避障 RL-FLC27 相关出版物： El Hacene Chabane，乌萨马·德鲁伊什。 阿尔及尔国立理工学院 2018 年 6 月。 使用 2D VSLAM 实现模糊强化学习控制

Battery_SOC_Estimation：在Matlab中使用卡尔曼滤波器估算电池的充电状态

Stability and Trajectory Control for Post-Impact Vehicle Based on Fuzzy PID Algorithm

本模糊控制器采用双输入单输出的形式，输入变量为误差e和误差的变化率de,输出为控制量u；e,de,u的量化论域范围为[-3,-2,-1,0,1,2,3],划分的模糊子集为：[NB,NM,NS,ZO,PS,PM,PB].基本论域的范围选取需要根据实际情况来确定上限值emax,demax,umax. 量化因子:Ke=3/emax, Kde=3/demax, 输出缩放因子：Ku=umax/3 为了减少计算量，e,de,u的隶属度函数都选用三角形隶属度函数。

自述文件 模糊Q学习 Matlab实现的模糊Q学习，可通过在线策略学习使云自动扩展更智能。 演示（在Matlab环境中）： setup demo 如果使用此代码，请引用以下文章： P. Jamshidi, A. Sharifloo, C. Pahl, H. Arabnejad, A. Metzger, G. Estrada, "Fuzzy Self-Learning Controllers for Elasticity Management in Dynamic Cloud Architectures", in Proc. of IEEE/IFIP WICSA and CompArch, (April 2016). 接触 如果您发现错误，想要请求功能，或者有任何疑问或反馈，请发送电子邮件至 。 我们希望听到人们使用我们的代码。 执照 该代码在下。

通用电池数据库 通用电池数据库是用于管理锂离子电池数据的开源软件。 其主要目的是： 组织和解析锂离子电池的实验测量数据（例如长期循环和电化学阻抗谱）数据文件。 使用机器学习和基于物理学的方法执行复杂的建模。 描述和组织电池的设计和化学信息（例如电极，电解质，几何形状）以及实验条件（例如温度）。 随着新数据的传入，自动刷新数据库。 可视化实验结果。 快速搜索和查找感兴趣的数据。 质量控制。 通用电池数据库由Dalhousie大学的开发。 目录 初步结果 图1 ：使用测量进行建模并做出预测。 数据管理软件演示 图2 ：使用manage.py提供的Web浏览器修复同源循环数据。 安装 先决条件 的Python 3 点和虚拟环境 两种安装选项 如果您只想进行建模，并且从其他地方获得了已编译的数据集，则可以在没有数据库的情况下进行安装。 此选项更简单，您以后总是可以安装数

IBM ThinkPad Battery MaxiMiser 1.35汉化版，是联想的电源管理汉化版。

发现网上找不到 cw2015 电池检测的源代码，现在补充出来。

在最多6块电池上使用智能电池充电器-挥动手以打开显示屏并检查充电情况。