基于姿态滑膜容错控制的航天器控制系统设计及其MATLAB仿真研究-考虑飞轮安装偏差与故障的影响及参考文献分析,航天器姿态姿态滑膜容错控制 飞轮安装偏差与故障 matlab 仿真程序+参考文献
资源文件列表(大概)
资源内容介绍
基于姿态滑膜容错控制的航天器控制系统设计及其MATLAB仿真研究——考虑飞轮安装偏差与故障的影响及参考文献分析,航天器姿态姿态滑膜容错控制 飞轮安装偏差与故障 matlab 仿真程序+参考文献,航天器姿态; 滑膜容错控制; 飞轮安装偏差与故障; MATLAB仿真程序; 参考文献,航天器姿态滑膜容错控制:飞轮安装与故障仿真研究用户评论 (0)
发表评论
相关资源
三相VIENNA整流器的高效仿真与性能分析:从拓扑结构到SVPWM调制与双闭环控制策略的实践研究,三相VIENNA整流,维也纳整流器simulink仿真输入电压220v有效值输出电压800v纹波在
三相VIENNA整流器的高效仿真与性能分析:从拓扑结构到SVPWM调制与双闭环控制策略的实践研究,三相VIENNA整流,维也纳整流器simulink仿真输入电压220v有效值输出电压800v纹波在1%以内0.1s后系统稳定功率因数>0.95电流THD<5%开关频率20k图一为拓扑,可以看到功率因数和THD以及输出电压图二为直流输出电压图三四为a相电压电流图五为控制等计算的总体框图图六为svpwm调制框图图七为双闭环控制图八为输出调制波,核心关键词:三相VIENNA整流; 维也纳整流器; Simulink仿真; 输入电压220v; 输出电压800v; 纹波; 系统稳定; 功率因数; 电流THD; 开关频率; 拓扑; 直流输出电压; a相电压电流; 控制计算总体框图; svpwm调制框图; 双闭环控制; 输出调制波。,三相Vienna整流器仿真研究:高效率、低纹波电压控制策略
基于PSO-TCN-BiGRU-Attention融合算法的Matlab多变量时间序列预测完整源码与数据集,包含优化学习率、神经元数及注意力机制参数的R2、MSE等多指标评价体系,Matlab完整源码
基于PSO-TCN-BiGRU-Attention融合算法的Matlab多变量时间序列预测完整源码与数据集,包含优化学习率、神经元数及注意力机制参数的R2、MSE等多指标评价体系,Matlab完整源码和数据1.基于PSO-TCN-BiGRU-Attention粒子群算法优化时间卷积双向门控循环单元融合注意力机制多变量时间序列预测,要求Matlab2023版以上;2.输入多个特征,输出单个变量,考虑历史特征的影响,多变量时间序列预测;3.data为数据集,main.m为主运行即可,所有文件放在一个文件夹;4.命令窗口输出R2、MSE、MAE、MAPE和RMSE多指标评价;5.优化学习率,神经元个数,注意力机制的键值, 正则化参数。,关键词:PSO-TCN-BiGRU-Attention;多变量时间序列预测;Matlab2023版以上;输入特征;输出单个变量;历史特征影响;数据集;main.m;命令窗口输出评价指标;学习率优化;神经元个数优化;注意力机制键值优化;正则化参数优化。,基于PSO-TCN-BiGRU-Attention的Matlab多变量时间序列预测完整源码
Matlab源码实现:基于OOA-TCN-BiGRU-Attention混合模型的多变量时间序列预测系统完整解决方案,Matlab完整源码和数据1.基于OOA-TCN-BiGRU-Attention
Matlab源码实现:基于OOA-TCN-BiGRU-Attention混合模型的多变量时间序列预测系统完整解决方案,Matlab完整源码和数据1.基于OOA-TCN-BiGRU-Attention鱼鹰算法优化时间卷积双向门控循环单元融合注意力机制多变量时间序列预测,要求Matlab2023版以上;2.输入多个特征,输出单个变量,考虑历史特征的影响,多变量时间序列预测;3.data为数据集,main.m为主运行即可,所有文件放在一个文件夹;4.命令窗口输出R2、MSE、MAE、MAPE和RMSE多指标评价;5.优化学习率,神经元个数,注意力机制的键值, 正则化参数。,核心关键词:Matlab完整源码; OOA-TCN-BiGRU-Attention算法; 鱼鹰算法优化; 时间卷积双向门控循环单元; 注意力机制; 多变量时间序列预测; Matlab2023版以上; 输入多个特征; 输出单个变量; 历史特征影响; 数据集; main.m主运行; 文件夹; 命令窗口输出R2等评价指标; 优化学习率; 神经元个数; 注意力机制键值; 正则化参数。注意:以上内容分号进行分隔,
Matlab源码与数据集:GJO-TCN-BiGRU-Attention金豹算法优化多变量时间序列预测模型输入多特征输出单变量,融合注意力机制与TCN-BiGRU网络优化参数,评估R2等指标的
Matlab源码与数据集:GJO-TCN-BiGRU-Attention金豹算法优化多变量时间序列预测模型输入多特征输出单变量,融合注意力机制与TCN-BiGRU网络优化参数,评估R2等指标的完整Matlab实现,Matlab完整源码和数据1.基于GJO-TCN-BiGRU-Attention金豹算法优化时间卷积双向门控循环单元融合注意力机制多变量时间序列预测,要求Matlab2023版以上;2.输入多个特征,输出单个变量,考虑历史特征的影响,多变量时间序列预测;3.data为数据集,main.m为主运行即可,所有文件放在一个文件夹;4.命令窗口输出R2、MSE、MAE、MAPE和RMSE多指标评价;5.优化学习率,神经元个数,注意力机制的键值, 正则化参数。,GJO-TCN-BiGRU-Attention; 多变量时间序列预测; 优化算法; 历史特征影响; R2、MSE、MAE、MAPE、RMSE评价指标; 优化学习率; 神经元个数; 注意力机制键值; 正则化参数。,基于Matlab完整源码和数据的多变量时间序列预测模型(含GJO-TCN-BiGRU-Attent