搜索资源列表
基于T-S模型的自适应模糊广义预测控制
- ： 对一类非线性 系统 ， 利用一种基 于模 糊规 则的快速模糊辨识 方法建立起 系统的 T— S模型 ， 并基 于该模 型应用局部 递推 最小二乘方法根据采样 值对模型参数进 行在线修 正， 根据 系统动 态线性化模 型采取 广义预 测控制 策略 ， 从 而实现 了基 于 T— S模糊模型的非线性 系统 自适 应模糊预测 控制 。与 以往 的模糊 广义 预测控制 算法相 比 ， 此方法 简单 ， 而且较 大地 减少计 算量 ， 适合 于在 线控制。通过仿 真研究验证 所提 方法的 有 效性 。
UKF
- 对于扩展卡尔曼滤波在非线性系统中由于线性化过程引入了线性化误差，从而导致滤波器性能下降甚至发散造成滤波发散的情况-For the extended Kalman filter to nonlinear systems of linear process because of the introduction of the linearization error, leading to filter divergence of performance degradation and even f
Earth-center-ed-FiX-Coordi-nateSECF
- 此文档是摘要 针对预警卫星测量方程的非线性 利用传统方法 如EKF 不可避免地会带来线 性化误差.该文提出了几何定位 卡尔曼滤波 GL - KF 方法 在主动段弹道位于过地心 平面的假设下 根据2 颗卫星的角度测量解算出导弹位置 将测量方程转化为线性模-The t r adi ti onal met hod EKF Woul d 1ri ng a1out t he li neari Zati on err or of t he meaSur e ment eGuati on . Ba
kalman
- 本文介绍kalman滤波的基本原理及发展现状，主要从模型的建立和非线性模型的线性化两方面进行介绍-In this paper, the basic principle of kalman filter and the development present situation, mainly from the establishment of model and the linearization of the nonlinear model is presented in two aspect
支持向量机非线性回归通用MATLAB源码
- 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。
daolibai
- 倒立摆Mtlab模糊控制器仿真，用拉格朗日方程建立二级倒立摆系统的非线性数学模型，在平衡点处对其线性化。-Inverted pendulum Mtlab simulation of the fuzzy controller, the double inverted pendulum system is set up by using the Lagrange equations of the nonlinear mathematical model of the balance of its l
9节点系统小干扰稳定分析
- 对电力系统小干扰稳定性进行分析的方法大致可以分为以下几种：数值仿真方法、建立在线性模型基础上的分析方法、小干扰稳定域分析方法、非线性理论分析方法和计及模型不确定性的分析方法。对小干扰稳定性问题可以采用线性模型进行研究，这种线性模型是将描述系统动态行为的微分方程和代数方程在稳态运行点处线性化后得到的。目前，建立在线性模型基础上的电力系统小干扰稳定性分析方法主要有两种：以状态空间模型描述为基础的特征值分析法和以传递函数矩阵为基础的频域分析法。本文采用全部特征值分析法（QR 法）对9节点系统在稳态处进