fcm模糊c均值聚類算法的示例程序和改進(jìn)程序，并附西電公茂果論文fcm代碼及論文資料
標(biāo)簽： 聚類算法
上傳時(shí)間： 2017-05-24
上傳用戶：monstertt
在微電網(wǎng)調(diào)度過(guò)程中綜合考慮經(jīng)濟(jì)、環(huán)境、蓄電池的 循環(huán)電量，建立多目標(biāo)優(yōu)化數(shù)學(xué)模型。針對(duì)傳統(tǒng)多目標(biāo)粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類分析的多目標(biāo)粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，F(xiàn)CMOPSO)，在迭代過(guò)程中引入模糊聚 類分析來(lái)尋找每代的集群最優(yōu)解。與 MOPSO 相比， FCMOPSO 增強(qiáng)了算法的穩(wěn)定性與全局搜索能力，同時(shí)使優(yōu) 化結(jié)果中 Pareto 前沿分布更均勻。在求得 Pareto 最優(yōu)解集 后，再根據(jù)各目標(biāo)的重要程度，用模糊模型識(shí)別從最優(yōu)解集 中找出不同情況下的最優(yōu)方案。最后以一歐洲典型微電網(wǎng)為 例，驗(yàn)證算法的有效性和可行性。
標(biāo)簽： 模糊 模型識(shí)別 微電網(wǎng) 多目標(biāo)優(yōu)化 聚類分析
上傳時(shí)間： 2019-11-11
上傳用戶：Dr.趙勁帥
在本講義中，我們將著重講述一些數(shù)學(xué)建模中常用的算法，包括神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、模擬退火算法和模糊數(shù)學(xué)方法。用這些算法可以較容易地解決一些很復(fù)雜的，常規(guī)算法很難解決的問(wèn)題。由于這些算法都有著很深的理論背景，因此，本講義中不可能也沒(méi)有必要詳細(xì)地討論這些算法的理論，我們的目標(biāo)在于應(yīng)用，大家只需大概了解這些算法的原理，知道能用這些算法解決一類什么樣的問(wèn)題，并能應(yīng)用這些算法解決數(shù)學(xué)建模中的一些問(wèn)題即可。 因?yàn)橹塾趹?yīng)用，所以我們還提供了一些程序代碼，使用者只需套用這些程序，便可使問(wèn)題得到很好的解決。
標(biāo)簽： 數(shù)學(xué)建模 算法 講義
上傳時(shí)間： 2020-09-18
上傳用戶：
基于傳感器和模糊規(guī)則的機(jī)器人在動(dòng)態(tài)障礙環(huán)境中的智能運(yùn)動(dòng)控制基于傳感器和模糊規(guī)則的機(jī)器人在動(dòng)態(tài)障礙環(huán)境中的智能運(yùn)動(dòng)控制 oIlI～0(、r> 王 敏 金·波斯科 黃心漢 ，O、l、L (華i 面面辜寫j幕．武漢，43074) ＼I。L上、o 捌要：提出了一種基于傳感器和模糊規(guī)則的智能機(jī)器人運(yùn)動(dòng)規(guī)劃方法 ．該方法運(yùn)用了基于調(diào)和函數(shù)分析的人 工勢(shì)能 場(chǎng)原 理 ．采用模糊規(guī)則 可減少推導(dǎo)勢(shì)能函數(shù)所 必須的計(jì)算 ，同時(shí)給機(jī)器人伺服 系統(tǒng)發(fā) 出指令 ，使它能夠 自動(dòng) 地尋找通向目標(biāo)的路徑．提出的方法具有簡(jiǎn)單、快速的特點(diǎn)，而且能對(duì) n自由度機(jī)械手的整個(gè)手臂實(shí)現(xiàn)最碰．建立 在非線性機(jī)器人動(dòng)力學(xué)之上的整 個(gè)閉環(huán)系統(tǒng)和模糊控制器 的穩(wěn)定性 由李雅普諾 夫原理 保證 ．仿真結(jié) 果證明 了該方 法 的有效性 ，通 過(guò)比較分析顯示 出文 中所提 出的最障算法的優(yōu)越性 ． 美t詞：基于傳感器的機(jī)器人運(yùn)動(dòng)控制；模糊規(guī)則；人工勢(shì)能場(chǎng)；動(dòng)態(tài)避障；機(jī)器人操作手 1 叫啞oducd0n R。boIsarewjdelyusedfor詛sb inchasma~ia]b柚· 血 ， spot ： ng， spray Ijl岫 1g， mech卸icaland elec咖 icas搴enlb1y，ma al塒 IIovaland wa時(shí) cut· ring 咖 ． ofsuch tasks_堋 llldea pri|柚ary ptd 眥 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles． s 曲km，de． notedasthefDbotm ∞ pJan，liDgp∞ 舶1，hasbeen the倒 娜bj0ct鋤l哪gIeseat℃ll∞ ． Every method o0血∞r(nóng)I1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts． Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s． 0州 d眥 ：1999—07—29；Revised~ ：2000一∞ 一絲 In conU~astto many n~ hods，rob
上傳時(shí)間： 2022-02-15
上傳用戶：
摘要：無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，wSN是由許多具有低功率無(wú)線收發(fā)裝置的傳感器節(jié)點(diǎn)組成，它們監(jiān)測(cè)采集周邊環(huán)境信息并傳送到基站進(jìn)行處理在某一時(shí)刻通過(guò)wSN采集的數(shù)據(jù)量非常大，如何正確、高效地處理這些數(shù)據(jù)成為當(dāng)前WSN研究中的一個(gè)熱點(diǎn)。傳感器節(jié)點(diǎn)一般部署在惡劣環(huán)境中，一些偶然因素會(huì)使采集的數(shù)據(jù)中出現(xiàn)不準(zhǔn)確的數(shù)據(jù)，用戶依據(jù)這樣的數(shù)據(jù)很難準(zhǔn)確判斷出被測(cè)對(duì)象的真實(shí)狀態(tài)。基于模糊理論的決策級(jí)數(shù)據(jù)融合算法能夠很好的解決這個(gè)問(wèn)題本文以國(guó)家863研究項(xiàng)目《基于無(wú)線傳感器網(wǎng)絡(luò)的鐵路危險(xiǎn)貨物在途安全狀態(tài)監(jiān)測(cè)技術(shù)研究》為背景，結(jié)合鐵路運(yùn)輸中棉花在途狀態(tài)監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)，在分析了當(dāng)前有效的決策級(jí)數(shù)據(jù)融合技術(shù)基礎(chǔ)上，提出了基于模糊理論的決策級(jí)數(shù)據(jù)融合算法，該算法通過(guò)對(duì)采集數(shù)據(jù)進(jìn)行處理和分析，以獲得準(zhǔn)確的被測(cè)對(duì)象狀態(tài)的描述。本文的主要工作包括：（1）分析了WSN中傳統(tǒng)的決策級(jí)數(shù)據(jù)融合算法，如自適應(yīng)加權(quán)數(shù)據(jù)融合算法和算術(shù)平均數(shù)數(shù)據(jù)融合算法，總結(jié)這兩種算法的優(yōu)缺點(diǎn)和檢測(cè)系統(tǒng)的需求，進(jìn)步明確理想算法應(yīng)達(dá)到的目標(biāo)。（2）提出了基于模糊理論的兩階段數(shù)據(jù)融合算法：該算法第一階段利用基于貼近度的數(shù)據(jù)融合算法進(jìn)行同類數(shù)據(jù)的融合校準(zhǔn)，這一階段的目的是剔除錯(cuò)誤的和可信度較差的數(shù)據(jù)，得到相對(duì)更加準(zhǔn)確的數(shù)據(jù)，第二階段利用模糊推理對(duì)第個(gè)階段得到的異類數(shù)據(jù)進(jìn)行融合推理，得到被測(cè)對(duì)象當(dāng)前狀態(tài)的描述，為決策提供支持（3）結(jié)合實(shí)測(cè)數(shù)據(jù)仿真本文所提出的算法，結(jié)果證明與傳統(tǒng)的融合算法相比，可以更加準(zhǔn)確的描述被測(cè)對(duì)象狀態(tài)
標(biāo)簽： 無(wú)線傳感器
上傳時(shí)間： 2022-03-17
上傳用戶：
隨著近年來(lái)傳動(dòng)系統(tǒng)的發(fā)展，多電機(jī)傳動(dòng)已被越來(lái)越廣泛地應(yīng)用于各種領(lǐng)域中。為了提高多電機(jī)傳動(dòng)系統(tǒng)的動(dòng)態(tài)和穩(wěn)態(tài)性能，以及滿足一些特定系統(tǒng)對(duì)于多電機(jī)精確同步的要求，多電機(jī)同步控制方法的研究也變得越來(lái)越重要。目前，有許多方法用來(lái)研究多電機(jī)同步控制策略，本文采用的是偏差耦合控制方法，利用模糊PID作為速度同步補(bǔ)償器的控制算法，使用遺傳算法來(lái)整定PID的參數(shù)范圍，解決了多電機(jī)同步控制系統(tǒng)中多電機(jī)速度的同步控制問(wèn)題。本文首先分析了多電機(jī)同步控制的原理及其特點(diǎn)，根據(jù)偏差耦合控制策略的優(yōu)點(diǎn)，確立了基于模糊PID補(bǔ)償器的多電機(jī)同步控制策略，提出了模糊PID補(bǔ)償器的設(shè)計(jì)方法。其次，利用羅克韋爾實(shí)驗(yàn)室現(xiàn)有的設(shè)備，構(gòu)造了一個(gè)與生產(chǎn)現(xiàn)場(chǎng)類似的試驗(yàn)環(huán)境，設(shè)計(jì)了電機(jī)同步控制系統(tǒng)的實(shí)驗(yàn)平臺(tái)。在單個(gè)永磁同步電動(dòng)機(jī)調(diào)速系統(tǒng)的基礎(chǔ)上，實(shí)現(xiàn)了多電機(jī)同步控制。基于實(shí)驗(yàn)平臺(tái)，分別對(duì)硬件和軟件部分進(jìn)行了設(shè)計(jì)，其中包括控制系統(tǒng)網(wǎng)絡(luò)的組建和硬件連線的設(shè)計(jì)和對(duì)運(yùn)動(dòng)控制模塊進(jìn)行組態(tài)以及運(yùn)動(dòng)控制梯形圖的編制。根據(jù)本文設(shè)計(jì)的多電機(jī)同步控制方法在保證系統(tǒng)具有優(yōu)良抗干擾性能的同時(shí)，使系統(tǒng)獲得了較好的跟隨性能及同步跟蹤精度。經(jīng)過(guò)Matlab的仿真以及實(shí)驗(yàn)結(jié)果說(shuō)明了本文設(shè)計(jì)的控制算法的有效性和實(shí)用性。最后，總結(jié)了所做的研究工作，并對(duì)多電機(jī)同步控制系統(tǒng)中存在的其它問(wèn)題進(jìn)行了簡(jiǎn)單的分析，以及對(duì)未來(lái)研究方向進(jìn)行了闡述。關(guān)鍵詞：多電機(jī)同步控制；：模糊PID；遺傳算法；永磁同步電動(dòng)機(jī)；偏差耦合控制
標(biāo)簽： 模糊PID補(bǔ)償器
上傳時(shí)間： 2022-06-18
上傳用戶：zhaiyawei
脈沖多普勒（PD）雷達(dá)是一種廣泛被采用的全相參體制的雷達(dá)，它利用目標(biāo)與雷達(dá)之間相對(duì)運(yùn)動(dòng)而產(chǎn)生的多普勒效應(yīng)進(jìn)行目標(biāo)信息提取和處理，具有較高的速度分辨率，可以有效地抑制強(qiáng)地雜波的干擾問(wèn)題。為了滿足實(shí)驗(yàn)室開(kāi)發(fā)雷達(dá)對(duì)抗半實(shí)物仿真系統(tǒng)的需求，本論文展開(kāi)對(duì)PD雷達(dá)信號(hào)處理實(shí)時(shí)仿真算法的研究。本文首先介紹了PD雷達(dá)的工作原理，分析了PD雷達(dá)的距離、速度模糊問(wèn)題，對(duì)PD雷達(dá)的雜波也做了簡(jiǎn)單介紹。由于PD雷達(dá)信號(hào)處理算法研究的需要，本文介紹了PD雷達(dá)接收機(jī)的組成，詳細(xì)分析了正交相位檢波處理的方法，并對(duì)接收端信號(hào)的處理過(guò)程進(jìn)行了仿真。基于PD雷達(dá)工作原理，本文提出了一種低重頻脈沖多普勒雷達(dá)信號(hào)處理仿真框架，對(duì)PD雷達(dá)信號(hào)處理系統(tǒng)各主要模塊的算法以及其功能、原理進(jìn)行了詳細(xì)的分析，并運(yùn)用Mailab對(duì)低重復(fù)頻率PD雷達(dá)信號(hào)處理進(jìn)行了仿真。最后，本文基于ADSP-TS201對(duì)雷達(dá)信號(hào)處理算法的實(shí)時(shí)性進(jìn)行了分析，在Visual DSP+-開(kāi)發(fā)環(huán)境實(shí)現(xiàn)了FFT算法和數(shù)據(jù)求模算法，獲得相應(yīng)的運(yùn)算指令周期。整個(gè)工作對(duì)PD雷達(dá)信號(hào)處理半實(shí)物仿真系統(tǒng)的搭建具有重要的意義。
標(biāo)簽： 脈沖 多普勒雷達(dá)信號(hào)處理
上傳時(shí)間： 2022-06-21
上傳用戶：kingwide
前言說(shuō)明控制的方法遠(yuǎn)遠(yuǎn)不止PID這一招，在許多場(chǎng)合也未必是最佳的控制算法。對(duì)于學(xué)習(xí)能力較好的師弟也可以再去尋求一種更優(yōu)秀的控制算法。PID的分類多如牛毛，例如：模糊PlD、數(shù)字PID、神經(jīng)元PID等等。另外，本文檔是參考幾十個(gè)PID相關(guān)文檔資料整合而成。由于個(gè)人能力等原因，從策劃、編輯、排版等花了一個(gè)多月的時(shí)間才完成此次PlD法的整合。為了更有針對(duì)性和有效性，本文檔主要講解數(shù)字PID及其變種（改進(jìn)式PID）：位置式和增量式。以及這兩種PID的C語(yǔ)言編程實(shí)現(xiàn)、參數(shù)的調(diào)整確定和PID控制的應(yīng)用。我們?yōu)槭裁匆肞ID岸法呢？原國(guó)很商單：其一，PlD是一種比較成熟的控制算法，而且還有許多基于PID的變種算法（簡(jiǎn)稱改進(jìn)式PID）。其二，資杜多，學(xué)習(xí)難度路低，入門快。其三，多屆師兄實(shí)踐過(guò)，感覺(jué)效果還不錯(cuò)！但每年資料成指數(shù)增長(zhǎng)，從上屆師兄那搭貝了好幾G資料，進(jìn)PID控制的文檔可以夸張的說(shuō)跟天上的“星星”一樣，看了之后眼花繚亂，而且有很多重復(fù)的。為了讓更多人能快速上手使用PID控制算法，結(jié)合個(gè)人經(jīng)驗(yàn)和相關(guān)文檔將它濃縮如下：
標(biāo)簽： pid算法
上傳時(shí)間： 2022-07-01
上傳用戶：
在本書中，主要介紹兩方面的內(nèi)容。在第1章至第7章中，介紹了遺傳算法的一些理論問(wèn)題，以及我們?cè)谶z傳算法研究中的一些成果。主要介紹遺傳算法的基本原理和它的改進(jìn)方法；研究了遺傳算法收斂性定義和統(tǒng)一數(shù)學(xué)描述，收斂速度，最優(yōu)保留遺傳算法及其收斂性；研究了遺傳算法種群多樣性的問(wèn)題；把模糊理論用于遺傳算法的研究中，進(jìn)行了模糊遺傳算法研究；還對(duì)綜合改進(jìn)遺傳算法進(jìn)行了研究。在第8章和第9章中，介紹了遺傳算法的應(yīng)用問(wèn)題。主要介紹遺傳算法在艦船橫搖動(dòng)的模糊建模中的應(yīng)用；遺傳算法在艦船減搖鰭控制器優(yōu)化設(shè)計(jì)中的應(yīng)用。雖然書中以艦船為對(duì)象，針對(duì)艦船橫搖運(yùn)動(dòng)建模的不確定性和非線性問(wèn)題，進(jìn)行了艦船橫搖運(yùn)動(dòng)的模糊建模和減搖鰭控制器優(yōu)化設(shè)計(jì)，但是這種方法也可以應(yīng)用到其他具有不確定性和非線性系統(tǒng)的建模和控制系統(tǒng)設(shè)計(jì)中去。
標(biāo)簽： 遺傳算法 運(yùn)動(dòng)控制
上傳時(shí)間： 2022-07-10
上傳用戶：
本書全面而系統(tǒng)地介紹了 MATLAB 算法和案例應(yīng)用，涉及面廣，從基本操作到高級(jí)算法應(yīng)用，幾乎 涵蓋 MATLAB 算法的所有重要知識(shí)。本書結(jié)合算法理論和流程，通過(guò)大量案例，詳解算法代碼，解決具 體的工程案例，讓讀者更加深入地學(xué)習(xí)和掌握各種算法在不同案例中的應(yīng)用。 本書共 32 章。涵蓋的內(nèi)容有 MATLAB 基礎(chǔ)知識(shí)、GUI 應(yīng)用及數(shù)值分析、MATALB 工程應(yīng)用實(shí)例、 GM 應(yīng)用分析、PLS 應(yīng)用分析、ES 應(yīng)用分析、MARKOV 應(yīng)用分析、AHP 應(yīng)用分析、DWRR 應(yīng)用分析、 模糊逼近算法、模糊 RBF 網(wǎng)絡(luò)、基于 FCEM 的 TRIZ 評(píng)價(jià)、基于 PSO 的尋優(yōu)計(jì)算、基于 PSO 的機(jī)構(gòu)優(yōu) 化、基本 PSO 的改進(jìn)策略、基于 GA 的尋優(yōu)計(jì)算、基于 GA 的 TSP 求解、基于 Hopfield 的 TSP 求解、基 于 ACO 的 TSP 求解、基于 SA 的 PSO 算法、基于 kalman 的 PID 控制、基于 SOA 的尋優(yōu)計(jì)算、基于 Bayes 的數(shù)據(jù)預(yù)測(cè)、基于 SOA 的 PID 參數(shù)整定、基于 BP 的人臉?lè)较蝾A(yù)測(cè)、基于 Hopfield 的數(shù)字識(shí)別、基于 DEA 的投入產(chǎn)出分析、基于 BP 的數(shù)據(jù)分類、基于 SOM 的數(shù)據(jù)分類、基于人工免疫 PSO 的聚類算法、 模糊聚類分析和基于 GA_BP 的抗糖化活性研究。 本書適合所有想全面學(xué)習(xí) MATALB 優(yōu)化算法的人員閱讀，也適合各種使用 MATALB 進(jìn)行開(kāi)發(fā)的工 程技術(shù)人員閱讀。對(duì)于相關(guān)高校的教學(xué)與研究，本書也是不可或缺的參考書。另外，對(duì)于 MATLAB 愛(ài)好 者，本書也對(duì)網(wǎng)絡(luò)上討論的大部分疑難問(wèn)題給出了解答，值得一讀。
上傳時(shí)間： 2022-07-26
上傳用戶：
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
