论文部分内容阅读
基于标准可加性模型(SAM)的模糊控制算法及自学习SAM算法是一种适合工业控制应用的模糊控制方式。并且通过自学习可以对控制器的输入输出参数进行修正,从而使该算法综合了模糊控制和神经网络控制的各自优点。仿真表明该算法能对被控对象实现有效的控制,且具有较强的鲁棒性。
基于标准可加性模型的模糊控制算法仿真研究
【摘 要】
：
基于标准可加性模型(SAM)的模糊控制算法及自学习SAM算法是一种适合工业控制应用的模糊控制方式。并且通过自学习可以对控制器的输入输出参数进行修正,从而使该算法综合了模糊控制和神经网络控制的各自优点。仿真表明该算法能对被控对象实现有效的控制,且具有较强的鲁棒性。
【机 构】
：
大连大学信息学院,大连海事大学自动化学院
【出 处】
：
系统仿真学报
【发表日期】
：
2003年02期
其他文献
提出了基于高阶累积量广义函数迭代的自适应滤波算法,证明了该算法的收敛性,给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明:该算法具有很强的抑制瑞利(白或色)噪声的能力。因此, 该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。