ApproximateNonlinearMPC:通过机器学习和函数逼近器实现非线性系统的模型预测控制-源码

上传者: 42099087 | 上传时间: 2021-09-23 12:20:17 | 文件大小: 79KB | 文件类型: ZIP
近似非线性MPC 通过机器学习和函数逼近器实现非线性系统的模型预测控制 基于:Chakrabarty,A.,Dinh,V.,Corless,MJ,Rundell,AE,Zak,SH和Buzzard,GT,2017。支持向量机使用低差异序列通知显式非线性模型预测控制。 IEEE Transactions on Automatic Control,62(1),第135-148页。 阅读readme.txt依赖项:MATLAB,Simulink,GODLIKE工具箱( )

文件下载

资源详情

[{"title":"( 13 个子文件 79KB ) ApproximateNonlinearMPC:通过机器学习和函数逼近器实现非线性系统的模型预测控制-源码","children":[{"title":"ApproximateNonlinearMPC-master","children":[{"title":"main_feasible_region_SVM.m <span style='color:#111;'> 1.67KB </span>","children":null,"spread":false},{"title":"model.m <span style='color:#111;'> 249B </span>","children":null,"spread":false},{"title":"find_optimal_NMPC.m <span style='color:#111;'> 590B </span>","children":null,"spread":false},{"title":"main_approx_NMPC.m <span style='color:#111;'> 1.30KB </span>","children":null,"spread":false},{"title":"simulation_ENMPC.slx <span style='color:#111;'> 23.66KB </span>","children":null,"spread":false},{"title":"samples_for_ENMPC.mat <span style='color:#111;'> 34.10KB </span>","children":null,"spread":false},{"title":"simulation_ENMPC.slxc <span style='color:#111;'> 4.41KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 523B </span>","children":null,"spread":false},{"title":"objFncMPC.m <span style='color:#111;'> 381B </span>","children":null,"spread":false},{"title":"dataset.mat <span style='color:#111;'> 12.49KB </span>","children":null,"spread":false},{"title":"readme.txt <span style='color:#111;'> 4.40KB </span>","children":null,"spread":false},{"title":"main_collect_samples.m <span style='color:#111;'> 1.19KB </span>","children":null,"spread":false},{"title":"constraint_violated.m <span style='color:#111;'> 197B </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明