建立了倒立擺的simulink模型，并設計了經典的pid控制器
上傳時間： 2015-05-26
上傳用戶：thesk123
源代碼\用動態規劃算法計算序列關系個數 用關系"<"和"="將3個數a，b，c依次序排列時，有13種不同的序列關系： a=b=c,a=b<c,a<b=v,a<b<c,a<c<b a=c<b,b<a=c,b<a<c,b<c<a,b=c<a c<a=b,c<a<b,c<b<a 若要將n個數依序列，設計一個動態規劃算法，計算出有多少種不同的序列關系， 要求算法只占用O(n),只耗時O(n*n).
上傳時間： 2013-12-26
上傳用戶：siguazgb
c語言版的多項式曲線擬合。 用最小二乘法進行曲線擬合. 用p－1 次多項式進行擬合，p<= 10 x,y 的第0個域x[0],y[0],沒有用，有效數據從x[1],y[1] 開始 nNodeNum,有效數據節點的個數。 b,為輸出的多項式系數，b[i] 為b[i-1]次項。b[0],沒有用。 b,有10個元素ok。
上傳時間： 2014-01-12
上傳用戶：變形金剛
crc任意位生成多項式 任意位運算 自適應算法 循環冗余校驗碼(CRC，Cyclic Redundancy Code)是采用多項式的 編碼方式，這種方法把要發送的數據看成是一個多項式的系數 ，數據為bn-1bn-2…b1b0 (其中為0或1)，則其對應的多項式為： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：數據“10010101”可以寫為多項式 X７+X４+X２+1。 循環冗余校驗CRC 循環冗余校驗方法的原理如下： (1) 設要發送的數據對應的多項式為P(x)。 (2) 發送方和接收方約定一個生成多項式G(x)，設該生成多項式 的最高次冪為r。 (3) 在數據塊的末尾添加r個0，則其相對應的多項式為M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，獲得商Q(x)和余式R(x)，則 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2運算，T(x)所對應的數據是在原數 據塊的末尾加上余式所對應的數據得到的。 (6) 發送T(x)所對應的數據。 (7) 設接收端接收到的數據對應的多項式為T’(x)，將T’(x)除以G(x) ，若余式為0，則認為沒有錯誤，否則認為有錯。
上傳時間： 2014-11-28
上傳用戶：宋桃子
在某初教機的線性模型基礎上，建立了飛機的縱向和橫向傳遞函數，分析了模型參數的不確定性，通過使用MATLAB中的NCD模塊對飛行控制系統及PID控制器等參數進行優化，設計出了飛機的自動駕駛儀高度保持和航向保持模式。這種方法既避免了復雜的計算和編程，又使系統具有較好的穩定，陛、動態性能和魯棒性，克服了飛機模型參數隨著高度和速度的變化（即模型參數存在不確定性）而需要按照多個不同高度和速度的飛行區域設計一系列控制器的缺點
標簽： 線性模型
上傳時間： 2015-10-12
上傳用戶：lingzhichao
crc任意位生成多項式 任意位運算 自適應算法 循環冗余校驗碼(CRC，Cyclic Redundancy Code)是采用多項式的 編碼方式，這種方法把要發送的數據看成是一個多項式的系數 ，數據為bn-1bn-2…b1b0 (其中為0或1)，則其對應的多項式為： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：數據“10010101”可以寫為多項式 X７+X４+X２+1。 循環冗余校驗CRC 循環冗余校驗方法的原理如下： (1) 設要發送的數據對應的多項式為P(x)。 (2) 發送方和接收方約定一個生成多項式G(x)，設該生成多項式 的最高次冪為r。 (3) 在數據塊的末尾添加r個0，則其相對應的多項式為M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，獲得商Q(x)和余式R(x)，則 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2運算，T(x)所對應的數據是在原數 據塊的末尾加上余式所對應的數據得到的。 (6) 發送T(x)所對應的數據。 (7) 設接收端接收到的數據對應的多項式為T’(x)，將T’(x)除以G(x) ，若余式為0，則認為沒有錯誤，否則認為有錯
上傳時間： 2014-01-16
上傳用戶：hphh
采用模糊RBF神經網絡對柴油機油門執行器位置進行控制，介紹了電液調速執行器的動態特性，設計了電液調速控制回路，本文將一種基于模糊RBF神經網絡的PID控制器應用于柴油機調速控制當中，詳細說明了模糊RBF神經網絡控制器的設計過程，它結合了傳統PID以及神經網絡和模糊控制的優點，可以在線調整得到一組最優的PID控制參數。仿真結果表明該系統比傳統模糊控制的響應速度快、超調小，且適應性強，具有推廣價值。
上傳時間： 2015-11-11
上傳用戶：hfmm633
We have a group of N items (represented by integers from 1 to N), and we know that there is some total order defined for these items. You may assume that no two elements will be equal (for all a, b: a<b or b<a). However, it is expensive to compare two items. Your task is to make a number of comparisons, and then output the sorted order. The cost of determining if a < b is given by the bth integer of element a of costs (space delimited), which is the same as the ath integer of element b. Naturally, you will be judged on the total cost of the comparisons you make before outputting the sorted order. If your order is incorrect, you will receive a 0. Otherwise, your score will be opt/cost, where opt is the best cost anyone has achieved and cost is the total cost of the comparisons you make (so your score for a test case will be between 0 and 1). Your score for the problem will simply be the sum of your scores for the individual test cases.
標簽： represented integers group items
上傳時間： 2016-01-17
上傳用戶：jeffery
基于BP神經網絡整定的PlD控制，神經網絡，根據系統的運行狀態，調節PID控制器的參數，以期達到某種性能指標 的最優化，使輸出層神經元的輸出狀態對于控制器的三個可調參數
上傳時間： 2013-12-17
上傳用戶：李彥東
基于BP神經網絡的 參數自學習控制 （1）確定BP網絡的結構，即確定輸入層節點數M和隱含層節點數Q，并給出各層加權系數的初值 和 ，選定學習速率 和慣性系數 ，此時k=1； （2）采樣得到rin(k)和yout(k)，計算該時刻誤差error(k)=rin(k)-yout(k)； （3）計算神經網絡NN各層神經元的輸入、輸出，NN輸出層的輸出即為PID控制器的三個可調參數 ， ， ； （4）根據(3.34)計算PID控制器的輸出u(k)； （5）進行神經網絡學習，在線調整加權系數 和 ，實現PID控制參數的自適應調整； （6）置k=k+1，返回（1）。
上傳時間： 2016-04-26
上傳用戶：無聊來刷下
