终端滑模控制设计 包括一篇外文文献和matlab仿真程序

基于滞环的滑模控制混合boost变换器Matlab/simulink仿真

分数阶滑模pd控制器-matlab Simulation.m r2dof.m glfdiff.m Animation.m

数据包括历史光伏逆变器数据，首先利用pycaret筛选模型，后使用tensorflow-keras框架构建lstm完成光伏发电预测

“共享经济”的概念迅速普及，共享汽车也随之悄然进入了人们的视野。这些共享汽车平台也像共享单车的发展模式，率先在北京、上海、广州等大型城市布局，虽然各家平台投放车辆以及网点的数量有多有少，但均已在市场上引起一定反响。共享汽车的出现为人们的生活带来方便快捷，但新事物的诞生还是需要和社会实际情况不断的磨合相适应。研究共享汽车的位置分布及调度模型是十分重要的。 针对该城市的共享汽车使用分布情况，利用附件中已知的时间，经纬度这些位置和停车点信息数据得到共享汽车的位置分布信息（图5），用K均值聚类的方法对位置进行聚类，建立了共享汽车的位置信息分布聚类模型，得到共享汽车的停车点进而得到在7聚类中心和20聚类中心下共享汽车的分布情况（图6，图7）。 针对共享汽车使用情况的预测，以输入为车辆的经纬度信息和车辆数，输出为共享汽车的使用情况，采用Bp神经网络对共享汽车的使用情况预测，建立了一个三输入的BP神经网络共享汽车使用预测模型，得到了共享汽车的经纬度信息以及对应的车辆数目预测（部分数据见表5）。 针对共享汽车的调度方案，以BP神经网络共享汽车使用预测模型和实际信息为基础，采用可变惯性权重的粒子群算法，

针对多传感器融合系统的非线性和不确定性，将小波分析与神经网络相结合，提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础，利用环境信息理论和测量方差归一化方法构建小波神经网络，并且通过数值样本训练小波神经网络，使其在融合过程中实时估计各传感器的信任度，再由融合知识库根据各传感器信任度来选择适合的航迹融合算法，最终得到全局状态估计.实验结果表明，提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值，

提出一种利用粒子群优化算法进行在线寻优的自适应控制算法, 该方法可抑制极限环的振荡幅值. 应用极
值搜索控制的思想, 在线测量极限环的振荡幅度, 并将其作为优化目标, 利用粒子群优化算法寻找最优控制量, 使得
极限环的振荡幅值最小. 针对粒子群优化和极限环控制的特点, 提出一种加快收敛的算法. 数值实验表明, 提出的算
法不仅与传统基于摄动方法的极值搜索控制性能相当, 而且可对非凸和不光滑目标函数进行在线寻优, 鲁棒性更强.

滑模控制在电机系统中的应用[经典]

将循环神经网络中的长短期记忆网络和前馈注意力模型相结合，提出一种文本情感分析方案。在基本长短期记忆网络中加入前馈注意力模型，并在TensorFlow深度学习框架下对方案进行了实现。根据准确率、召回率和F₁测度等衡量指标，与现有的方案对比表明，提出的方案较传统的机器学习方法和单纯的长短期记忆网络方法有明显的优势。

Javascript中的深度学习，实现在浏览器中训练卷积神经网络