资源包含相关研究文献及对应的matlab仿真程序，仅供参考。 本论文构造方法设计二阶迭代滑模面，将航向偏差的镇定转化为对滑模面的镇定，基于Ｌｙａｐｕｎｏｖ理论，推导出系统渐近稳定条件，进而可得到航向控制律。由于控制律中存在未知外界干扰项和系统不确定项，不能直接计算得到，本节将设计两种控制方法。 第一种方法是设计不含系统不确定项和未知外界干扰项的控制律将初步的控制律进一步推导，得到等效迭代滑模控制律，该控制律中设计参数较少，算法处理过程简单。 第二种方法是引入ＲＢＦ神经网络对系统不确定项进行逼近采用自适应控制技 术估计未知外界干扰项的界值，提出神经网络自适应迭代滑模控制律，该控制律能有效 地处理了模型不确定项和海况扰动的影响。

资源包含相关文献及对应的matlab仿真程序，仅供参考。 设计了欠驱动船舶神经网络自适应迭代滑模航向控制器，完成了在船舶部分模型不确定和外界海况未知情况下的航向控制目标。在本章中，基于上述条件，将解决欠驱动船舶的路径跟踪控制问题。由于欠驱动船舶在受到风浪流海洋环境扰动后会产生横向漂移，因此船首必须以与计划航向保持一定角度航行，如果不执行有效的控制，经海洋环境扰动后的欠驱动船舶路径跟踪控制的结果会产生稳态误差。本节结合Ｌｙａｐｕｎｏｖ稳定性条件构造思想，采用Ａｄａｌｉｎｅ单神经元和最小二乘法，提出一种神经元自适应迭代滑模控制器，经ＭＡＴＬＡＢ仿真验证了该控制器的有效性。

资源包含相关参考文献及对应的matlab仿真程序，仅供参考。 本文为解决欠驱动船舶路径跟踪控制问题，在船舶模型参数不确定和海洋环境扰动未知的情况下，提出了一种神经元自适应迭代滑模控制策略。相比较于路径跟踪控制，轨迹跟踪控制是指利用舵的转船力矩和螺旋桨的推进力使笛卡尔坐标系中的横向、纵向位置误差都镇定到零，期望轨迹是一个时间的函数，因此轨迹跟踪控制问题更不容易解决。在本章中，参考欠驱动船舶轨迹跟踪的横向和纵向误差信息构造二阶滑模面和四阶滑模面，结合Ｌｙａｐｕｎｏｖ稳定性条件构造思想，设计螺旋桨转速控制器和舵机舵角控制器；为进一步优化控制器参数，结合萤火虫算法与混沌算法，对控制器的主要参数值进 行寻优，设计了一种基于混沌萤火虫算法的欠驱动船舶轨迹跟踪自适应迭代滑模控制 器。

摘要：近年来,随着欠驱动系统控制技术的快速发展以及船舶智能化要求的不断增加,欠驱动船舶控制问题受到越来越广泛的关注。本课题结合backstepping设计方法、滑模控制算法、参数自适应方法、动态面控制技术、神经网络以及低频增益学习等先进控制理论,考虑欠驱动船舶存在外界环境干扰、模型不确定、速度不可测情况,提出欠驱动船舶轨迹跟踪状态反馈与输出反馈自适应滑模控制策略。首先,以船舶模型已知为前提,考虑干扰界已知和界未知两种情况下的船舶轨迹跟踪问题,对外界环境干扰界已知情况,结合backstepping设计方法与滑模控制算法,设计船舶轨迹跟踪滑模控制律;进一步,对外界环境干扰界未知情况,设计带有σ-修正的参数自适应律估计外界环境干扰的界值,并引入双曲正切函数消除因符号函数引入带来的“抖振”问题。其次,针对船舶存在模型不确定项与未知环境干扰的轨迹跟踪控制问题,将动态面控制技术、自适应神经网络、滑模控制算法与backstepping设计方法相结合,设计一种基于神经网络的船舶轨迹跟踪自适应滑模控制律。 介绍：资源包含相关文献和可运行的matlab程序，仅供参考。

资源包含相关文献和对应的matlab仿真代码，仅供参考。 针对船速与艏摇角速度均不可测的三自由度欠驱动船舶轨迹跟踪问题,考虑在海洋环境扰动未知,提出一种带非线性观测器的动态面自适应输出反馈控制方法。该方法通过对系统模型进行坐标变换,设计非线性观测器估计船舶的速度向量;采用动态面技术可处理反演法对虚拟控制量求导导致的"微分膨胀"问题,减少计算量;同时采用自适应律估计海洋环境干扰的界值,从而防止参数漂移。利用Lyapunov函数证明该控制律可保证船舶轨迹跟踪误差的一致最终有界性,仿真结果证明了所提出控制方法的有效性。

资源包含相关文献及对应matlab仿真程序，仅供参考。 以船舶模型已知为前提,考虑干扰界已知和界未知两种情况下的船舶轨迹跟踪问题,对外界环境干扰界已知情况,结合backstepping设计方法与滑模控制算法,设计船舶轨迹跟踪滑模控制律。其次,针对船舶存在模型不确定项与未知环境干扰的轨迹跟踪控制问题,将动态面控制技术、自适应神经网络、滑模控制算法与backstepping设计方法相结合,设计一种基于神经网络的船舶轨迹跟踪自适应滑模控制律;进一步考虑为避免神经网络导致的“维数灾难”问题与直接对虚拟控制律的微分操作,将最小参数学习法与动态面控制技术相结合,提出一种基于动态面和最小参数法的欠驱动船舶轨迹跟踪自适应滑模控制律,用于降低计算负载和避免复杂性爆炸问题。然后,针对实际工况中船舶速度不易测量的轨迹跟踪控制问题,设计非线性观测器估计船舶速度,依此再结合动态面控制技术,避免对虚拟控制量直接求导,提出一种基于非线性观测器的欠驱动船舶轨迹跟踪自适应滑模输出反馈控制律。

MapReduce 使用 Hadoop 实现随机过采样、随机欠采样和“合成少数过采样技术”（SMOTE）算法 大数据的随机过采样：MapReduce 的近似 随机过采样 (ROS) 算法已适应于遵循 MapReduce 设计来处理大数据，其中每个 Map 进程负责通过少数类实例的随机复制来调整映射器分区中的类分布，Reduce 进程负责收集每个映射器生成的输出以形成平衡数据集。 该过程如图 1 所示，包括四个步骤：初始、映射、缩减和最终。 图 1：ROS MapReduce 设计如何工作的流程图。 大数据的随机欠采样：按照MapReduce程序选择样本 适用于处理大数据的随机欠采样 (RUS) 版本遵循 MapReduce 设计，其中每个 Map 进程负责按类对其数据分区中的所有实例进行分组，Reduce 进程负责收集每个映射器的输出并平衡通过随机消除多数类实例来形成平衡数据集的类分布。

过欠压脱扣器的作用断路器.docx

按图索骥学-机器学习 有关机器学习的一组教程，深入浅出 用一副思维导图串联所有学习资源和知识点，每个同学都可以根据自己的情况，按图索骥，设计自己的学习路径，学习需要的课程 有关此课程详细信息，请访问https://code946.blog.csdn.net/

此程序包为稀疏相关算法的工具包，包含相关的算法文献