我的学生的另一个演示：PLC 上的 ILC。 包括一个示例性的 CoDeSys 项目。 这是一个硬件在环 (HIL) 模拟。 目标是EATON EC4P-200 Easy Control PLC。 也可以在 XSOFT-CODESYS 中提供的模拟模式下运行程序。 请访问http://www.eaton.eu/Europe/Electrical/ProductsServices/AutomationControl/AutomationControlVisualization/AutomationSoftware/CODESYS/免费获取（演示版）。 还包括等效的 Simulink 模型和纯 m 代码模型。 更多示例请访问http://ufnalski.edu.pl/zne/codesys_examples/ 。
2021-12-12 20:49:50
39KB
1
已有的边界控制方法主要是基于模型的反馈控制算法,其实际应用效果受制于模型参数的标定和环境的影响.迭代学习控制以完全跟踪为目标,仅利用较少的模型信息就可以沿迭代轴实现对系统期望输出的完全跟踪.基于城市交通流的重复特性,提出一种城市交通区域的迭代学习边界控制方法,给出跟踪误差收敛性分析.以日本横滨区域为对象分别进行3种场景的仿真:早高峰、晚高峰和中心区域拥堵.仿真结果表明,迭代学习控制方法对于各种场景下的区域路网交通均能达到较为理想的控制效果.
2021-12-06 14:59:40
359KB
1
先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑膜控制、自适应鲁棒控制、系统辨识和路径规划MATLAB仿真程序
2021-11-28 19:50:54
841KB
1
讨论迭代初态与期望初态存在固定偏移情形下的迭代学习控制问题,提出带有反馈辅助项的PD型迭代学习控制算法,可实现系统输出对期望轨迹的渐近跟踪.为了进一步实现输出轨迹在预定有限区间上对期望轨迹的完全跟踪,提出分别带有初始修正作用和终态吸引的学习算法.文中给出所提出的学习算法的极限轨迹,并对学习算法进行收敛性分析,推导出收敛性充分条件,可用于学习增益的确定.通过数值结果,验证所提学习算法的有效性.
2021-11-14 14:11:42
945KB
1
DPD_ILC
实现“ RF功率放大器线性化的迭代学习控制”
该代码是简化的ILC算法的实现。 有两个部分：1-通过函数“ Find_out_PA（in_PA）”对PA进行建模：y = \ alpha_0 + \ alpha_1 x + \ alpha_2 x | x | ^ 2 + \ alpha_3 x | x | ^ 4 + \ alpha_4 x | x | ^ 6 \ alpha_i是使用来自“ weblab”的测量数据估算的。
2-基于“ RF功率放大器线性化的迭代学习控制”的第III.D节实现ILC，而不是进行测量以实现ILC，我们假设估算的模型是完美的！
关于weblab的注意事项：1-“ weblab”用于访问来自实际功率放大器的输出数据。 随机数据输入被馈送到PA，并从“ weblab”中读取输出。 然后，进行最小二乘估计以找到\ alpha_i。 2-为了生成
2021-10-11 16:04:50
723KB
1