预算matlab代码国际劳工大会
gILC是用于非线性系统迭代学习控制（ILC）通用方法的开源软件。
迭代学习控制是对需要重复执行给定任务的动态系统进行开环控制的策略。
其目的是通过使用有关先前试验的跟踪性能的信息来拒绝重复干扰并改善跟踪控制。
gILC允许用户以最小的编码工作量在各种设置中调整算法。
即使对于长控制任务，它也具有出色的计算效率，因此减少了两次试验之间所需的计算时间。
gILC最初由Marnix
Volckaert于2012年开发。目前由Armin
Steinhauser对其进行维护和修改，以适应新的研究课题。
在这种适应过程中，包括了gILC的Matlab翻译。
笔记
使用gILC之前，请确保获得（至少v3.0）。
可以找到原始发行的软件（v1.3）。
如果无法访问此网站，其内容将打包在doc文件夹中。
版本历史
v1.4，09/2016
更改为CasADi
v3.0语法
期望单独的CasADi安装并放弃安装模式
包括Matlab版本
移至Github仓库
v1.3，2012年5月
更新了手册文件
v1.2
包含的选项可提供其他状态的数量（不会设置为等于初始状态值）
2022-05-27 16:33:16
4.43MB
1
针对DV-Hop算法在节点随机分布的网络拓扑环境下存在误差较大的问题，提出了一种基于跳距修正的WSN拟牛顿迭代定位算法(CNDV-Hop)。在详细分析DV-Hop算法过程与误差原因的基础上，提出相应改进：首先设定跳数阈值，对锚节点进行优选；然后采用新的方法校正锚节点跳距，利用对应锚节点跳距的校正值计算节点间的距离；最后用拟牛顿法对未知节点坐标的最小二乘解进行迭代优化。仿真结果表明，本文改进算法能有效地降低估计误差对定位准确度的影响，与现有改进DV-Hop算法相比精度更高。
2022-05-24 17:03:36
236KB
1
基于专家系统的迭代学习控制设计，陶阿嵘，，针对PID型迭代学习控制算法中学习增益选取的优化问题，提出了基于专家系统的迭代学习控制设计。该算法将专家系统用于PID控制参数整
2022-05-21 18:12:31
172KB
1
人工智能-机器学习-磨矿过程序贯模块仿真方法中的迭代收敛算法及软件实现.pdf
2022-05-19 10:06:54
4.61MB
分析了卷积码及由其发展出的Turbo码的编码原理,给出了这2种编码方法的结构特征和最大后验概率(MAP)的译码算法;分别对卷积码和Turbo码进行仿真,得到在码长1024尽可能多的迭代次数情况下的Turbo码误码率(BER)曲线和采用维特比译码方法的卷积码误码率曲线。通过比较2种编码方法的仿真结果验证了Turbo码编码和译码系统的性能比传统的卷积码系统性能优异的结论,提出并描述了尽可能多次迭代的Turbo 码对卷积码在性能上的具体优势。
2022-05-18 10:56:03
225KB
1