逼近误差造句

造句与例句手机版

为改善控制系统的性能，引入逼近误差的自适应补偿项。
通过计算机模拟与bp网络和模糊神经网络进行了比较，发现收敛速度非常快，逼近误差很小。
所以利用系统跟踪误差构造线性最优补偿器，该补偿器用于减少逼近误差对系统跟踪误差的影响。
摘要证明了一般的倒向随机微分方程所描述的投资决策过程可用离散的投资决策过程进行逼近，并给出了逼近误差的估计。
但是由于模糊系统本身的缺陷，逼近误差在一定条件下有可能较大，不能忽视，而且这种逼近误差必然会影响系统的跟踪误差。
如果此三次ph曲线插值于以弧长为参数的某一函数曲线，则可以给出三次ph曲线逼近该一小段曲线的逼近误差。
该方法利用模糊逻辑系统来逼近未知非线性部分。在把逼近误差看作系统干扰的情况下，给出了模糊系统参数基于lyapunov稳定的基础上的自适应律。
对mamdani系统，分析了隶属函数分别采用梯形和高斯型时一维模糊系统与函数插值的等价性和逼近误差。
摘要在每个点附近重建一个二次多项式函数曲面逼近原点模型，并根据逼近误差将每个重建曲面限制在称为置信邻域的范围内，从而形成一个面元。
该方法不仅保证了闭环系统的稳定，而且使外部干扰、神经网络逼近误差及输入对输出的交叉耦合对跟踪误差的影响衰减到给定的水平。
用逼近误差造句挺难的，這是一个万能造句的方法
基于lyapunov稳定性理论，推导出了神经网络权值在线学习规律，保证了系统的全局稳定性，同时，为了消除或减小外部干扰以及神经网络逼近误差，在控制器设计时结合了鲁棒控制方法，使得系统具有一定的鲁棒性。
该方案利用参考模型作为闭环系统的反馈信号来产生、调节模糊控制器的规则库，并通过引入最优逼近误差的自适应补偿项来消除建模误差的影响，不但能保证闭环系统稳定，而且可使跟踪误差收敛到零。
导出了曲率半径与逼近误差之间的关系和等误差条件下的参数递推公式，建立了通过逼近圆弧圆心的直线方程和圆心坐标计算公式.按这种方法用圆弧逼近平面参数曲线，不需要求解非线性方程组，避免了计算可能不收敛的麻烦，简化了非圆曲线的节点计算过程
其中基于能量原理的光顺方法能够方便地控制目标曲面的精度和边界条件，从而能够实现曲面模型的全局连续性，但是能量法的运算速度还有待提高；刚度调整法实现简单，但是生成的曲面的可编辑性较差；小波分解方法计算速度很快，能够有效地实现数据压缩，但是其逼近误差和边界条件却难于控制。
本文首先针对一类不确定非线性系统，基于backstepping方法，利用监督控制，引入最优逼近误差的自适应补偿项，并利用型模糊逻辑系统逼近系统的未知部分，提出了一种鲁棒自适应模糊控制器设计方案，运用李亚普诺夫第二方法，先证明了闭环模糊控制系统全状态有界，再证明了跟踪误差收敛到零。
本文在基于线性微分包含( ldi )的技术基础上，提出了两种非线性系统的鲁棒控制方法，首先讨论了一类弱非线性时滞控制系统中的鲁棒可靠控制器设计问题，由于弱非线性系统本身的动态变化范围不大，在确保整个系统鲁棒性能指标的前提下，当系统存在时滞和故障时，通过ldi设计出的鲁棒可靠控制器可以镇定整个被控系统；其次，在考虑运用ldi技术产生的逼近误差、系统本身的未建模误差及参数不确定性以及外部扰动的影响不能被忽略的情况下，设计了在线补偿这部分影响的动态神经网络控制器，在理想模型和被控系统状念输出误差的调节作用下，在线神经网络补偿器与理想模型的线性h _控制器相互配合，使得整个闭环系统既可以保证鲁棒稳定性又能够跟踪给定的指令信号。
神经网络用于逼近未知的非线性时滞函数，当状态不可测时，采用时滞滤波器估计系统状态，利用backstepping技术设计权值自适应律和控制律，占优化方法处理时滞基函数，自适应界化技术处理逼近误差的未知上界，通过调节设计参数可以实现对目标轨线任意精度的跟踪。
该方法利用神经网络学习系统中的非线性函数，神经网络的权值由lyapunov稳定性理论导出，并且在线调整；考虑到网络逼近误差和外部干扰的存在，文中利用滑动模态对参数和扰动不敏感的特点，实现了系统的鲁棒输出跟踪。