自适应 订阅
自适应就是在处理和分析过程中,根据处理数据的数据特征自动调整处理方法、处理顺序、处理参数、边界条件或约束条件,使其与所处理数据的统计分布特征、结构特征相适应,以取得最佳的处理效果的过程。自适应过程是一个不断逼近目标的过程,它所遵循的途径以数学模型表示,称为自适应算法。通常采用基于梯度的算法,其中最小均方误差算法(即LMS算法)尤为常用。 展开全文
自适应就是在处理和分析过程中,根据处理数据的数据特征自动调整处理方法、处理顺序、处理参数、边界条件或约束条件,使其与所处理数据的统计分布特征、结构特征相适应,以取得最佳的处理效果的过程。自适应过程是一个不断逼近目标的过程,它所遵循的途径以数学模型表示,称为自适应算法。通常采用基于梯度的算法,其中最小均方误差算法(即LMS算法)尤为常用。
信息
 应用
自动化领域
 释义
自动调整处理方法
相关概念
自适应控制、自适应滤波
中文名
自适应
 遵循的途径
自适应算法
外文名
self-adaptive
自适应自适应算法
自适应算法可以用硬件(处理电路)或软件(程序控制)两种办法实现。前者依据算法的数学模型设计电路,后者则将算法的数学模型编制成程序并用计算机实现。算法有很多种,它的选择很重要,它决定处理系统的性能质量和可行性。常用的自适应算法有迫零算法,最陡下降算法,LMS算法,RLS算法以及各种盲均衡算法等。例如,自适应均衡器就是按照某种准则和算法对其系数进行调整最终使自适应均衡器的代价(目标)函数最小化,达到最佳均衡的目的,而各种调整系数的算法就称为自适应算法。自适应算法是根据某个最优准则来设计的。自适应算法所采用的最优准则有最小均方误差(LMS)准则,最小二乘(LS)准则、最大信噪比准则和统计检测准则等。LMS算法和RLS算法由于采用的最优准则不同,因此这两种算法在性能,复杂度等方面均有许多差别。
收起全文
精华内容
下载资源
问答
  • PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应PB窗口自适应
  • 自适应控制

    2018-04-29 19:48:49
    自适应控制(韩曾晋)2018.4.29.自动化理论知识控制类
  • html自适应例子

    2017-12-06 17:16:45
    html自适应例子html自适应例子html自适应例子html自适应例子html自适应例子html自适应例子
  • jQuery自适应图片轮播代码_自适应图片切换代码
  • table自适应

    万次阅读 2018-06-15 16:39:37
    自适应宽度: td { width: 1px; white-space: nowrap; /* 自适应宽度*/ word-break: keep-all; /* 避免长单词截断,保持全部 */ } 自适应高度 table { table-layout: fixed; width: 100%; }...

    自适应宽度:

    td {
        width: 1px;
        white-space: nowrap; /* 自适应宽度*/
        word-break:  keep-all; /* 避免长单词截断,保持全部 */
    }
    

    自适应高度

    table { 
          table-layout: fixed; 
          width: 100%; 
    }
    

    安利一门Python超级好课!
    扫码下单输优惠码【csdnfxzs】再减5元,比官网还便宜!

    展开全文
  • css 背景图片自适应属性整理

    万次阅读 多人点赞 2019-06-25 19:36:42
    本篇博客主要记录一些使用 css 对背景图片自适应的操作整合 背景图片取消重复 background-image: url(image.jpg); background-repeat:no-repeat; 修改前 修改后 背景图片固定(不会随着内容滚动而改变位置) ...

    本篇博客主要记录一些使用 css 对背景图片自适应的操作整合

    背景图片取消重复

    background-image: url(image.jpg);
    background-repeat:no-repeat;
    

    修改前
    背景图片取消重复
    修改后
    背景图片取消重复

    背景图片固定(不会随着内容滚动而改变位置)

    background-image: url(image.jpg);
    background-attachment:fixed;
    

    背景图片居中显示

    垂直水平居中

    background-image: url(image.jpg);
    background-repeat:no-repeat;
    background-position:center center;
    

    背景图片居中显示
    水平方向居中 垂直方向向上

    background-image: url(image.jpg);
    background-repeat:no-repeat;
    background-position:center top;
    

    在这里插入图片描述
    水平方向向右 垂直方向向下

    background-image: url(image.jpg);
    background-repeat:no-repeat;
    background-position:right bottom;
    

    在这里插入图片描述

    背景图片等比例拉伸

    background-image: url(image.jpg);
    background-repeat:no-repeat;
    background-size: auto 100%;
    /* background-size: 100% auto; */
    

    背景图片等比例拉伸
    或根据高度进行拉伸
    背景图片等比例拉伸
    还可以使用 cover 自动等比例拉伸图片

    background-image: url(image.jpg);
    background-repeat:no-repeat;
    background-size: cover;
    

    背景图片等比例拉伸

    背景图片拉伸(会扭曲图片)

    background-image: url(image.jpg);
    background-repeat:no-repeat;
    background-size: 100% 100%;
    

    背景图片拉伸(会扭曲图片)

    展开全文
  • 1. div自适应内容: 由于div里的内容常常会发生变化,总是修改高度很麻烦,如果是动态页面则更不可能每次都改高度,所以div必须要自适应内容高度。 技巧: div去掉height,增加padding-bottom即可。 2. 屏幕...

    1. div自适应内容: 由于div里的内容常常会发生变化,总是修改高度很麻烦,如果是动态页面则更不可能每次都改高度,所以div必须要自适应内容高度。

    技巧: div去掉height,增加padding-bottom即可。

     

    2. 屏幕自适应高度:同div自适应高度一样,有时页面的内容或多或少,甚至没有,而页面存在底部footer,如果不自适应屏幕高度,内容过少,会导致footer跑到页面中间,从而严重影响页面美观。

    技巧:jqurry代码: 

    <!--自适应高度js-->
    <script>
        $(function () {
            var hei=$('.tabchildren2').height();
            // if (hei<500){
            //     $('.tabchildren2').css({height:'600px'});
            // };
            
           //此处不严谨,可以通过$(window).height()获取整个屏幕高度后,结合屏幕的内容高度$(‘’).height(),相减得出判断条件。
            hei<500 ? $('.tabchildren2').css({height:'600px'}) : null ;
        })
    </script>
    展开全文
  • 自适应滤波算法

    2019-04-19 13:05:37
    自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一 。 寻求收敛速度快, 计算复杂度低, 数值稳定性好的自适应滤波算法是研究人员不 断努力追求的目标 。本文主要对自适应算法进行了研究 , 其内容...
  • 自适应控制基本思想

    万次阅读 多人点赞 2017-09-22 10:18:20
    自适应控制 自适应控制所讨论的对象,一般是指对象的结构已知,仅仅是参数未知,而且采用的控制方法仍是基于数学模型的方法 但实践中我们还会遇到结构和参数都未知的对象,比如一些运行机理特别复杂,目前尚未被人们...

    自适应控制

    1. 自适应控制所讨论的对象,一般是指对象的结构已知,仅仅是参数未知,而且采用的控制方法仍是基于数学模型的方法
    2. 但实践中我们还会遇到结构和参数都未知的对象,比如一些运行机理特别复杂,目前尚未被人们充分理解的对象,不可能建立有效的数学模型,因而无法沿用基于数学模型的方法解决其控制问题,这时需要借助人工智能学科,也就是智能控制
    3. 自适应控制与常规的控制与最优控制一样,是一种基于数学模型的控制方法
    4. 自适应控制所依据的关于模型的和扰动的先验知识比较少,需要在系统的运行过程中不断提取有关模型的信息,使模型愈来愈准确
    5. 常规的反馈控制具有一定的鲁棒性,但是由于控制器参数是固定的,当不确定性很大时,系统的性能会大幅下降,甚至失稳

    设计思路

    问题的提出

    对于一个非线性系统

    x˙=−ax2+u\dot{x} =-ax^{2}+ux˙=ax2+u
    aaa是未知参数,uuu是控制输入

    要求设计一个合理的控制信号uuu,使得系统状态x(t)x( t)x(t)跟踪上期望信号xd(t)x_{d}( t)xd(t),假设xd(t)x_{d}( t)xd(t)是解析并有界的,且其微分x˙d(t)\dot{x}_{d}( t)x˙d(t)也是连续且有界的,这个假设在实际中可以满足,因为跟踪信号往往是认为设计的


    解决思路

    对于现代控制理论,正如前面所述,设计控制信号实际上是设计误差动力学系统,因此,设误差信号e(t)=x(t)−xd(t)e( t) =x( t) -x_{d}( t)e(t)=x(t)xd(t),则误差的动力学系统方程为

    e˙(t)=−ax2(t)+u−x˙d(t)\dot{e}( t) =-ax^{2}( t) +u-\dot{x}_{d}( t)e˙(t)=ax2(t)+ux˙d(t) ----------- (1)

    由于原系统是满足matching条件的,即控制信号和未知参数处于一个方程中,那么根据等价确定性原则(certainty equivalence, CE)设计控制器

    u=a^x2+x˙d−Keu=\hat{a} x^{2} +\dot{x}_{d} -Keu=a^x2+x˙dKe ----------- (2)
    a^\hat{a}a^是参数aaa的估计值
    K>0K>0K>0是控制器参数

    接下来需要设计估计参数a^\hat{a}a^的更新律,这里采用结合Lyapunov稳定性进行设计
    假设a~=a^−a\tilde{a} =\hat{a} -aa~=a^a,将控制uuu代入(1),则(1)可以写成

    e˙(t)=a~x2(t)−Ke(t)\dot{e}( t) =\tilde{a} x^{2}( t) -Ke( t)e˙(t)=a~x2(t)Ke(t) ----------- (3)

    定义Lyapunov函数

    V(e,a~)=12e2+12ηa~2V\left( e,\tilde{a}\right) =\dfrac{1}{2} e^{2} +\dfrac{1}{2\eta }\tilde{a}^{2}V(e,a~)=21e2+2η1a~2 ----------- (4)

    求导,得

    V˙(e,a~)=ee˙+1ηa~⋅a~˙=ee˙+1ηa~⋅a^˙\dot{V}\left( e,\tilde{a}\right) =e\dot{e} +\dfrac{1}{\eta }\tilde{a} \cdot \dot{\tilde{a}} =e\dot{e} +\dfrac{1}{\eta }\tilde{a} \cdot \dot{\hat{a}}V˙(e,a~)=ee˙+η1a~a~˙=ee˙+η1a~a^˙
               =e(a~x2−Ke)+1ηa~⋅a^˙=−Ke2+a~(ex2+1ηa^˙)\ \ \ \ \ \ \ \ \ \ \ =e\left(\tilde{a} x^{2} -Ke\right) +\dfrac{1}{\eta }\tilde{a} \cdot \dot{\hat{a}} =-Ke^{2} +\tilde{a}\left( ex^{2} +\dfrac{1}{\eta }\dot{\hat{a}}\right)           =e(a~x2Ke)+η1a~a^˙=Ke2+a~(ex2+η1a^˙)

    为了达到系统的稳定,则要使得V˙≤0\dot{V}\leq 0V˙0,因此,设计a^\hat{a}a^的更新律为

    a^˙=−η⋅e⋅x2\dot{\hat{a}} =-\eta \cdot e\cdot x^{2}a^˙=ηex2 ----------- (5)

    代入,得到

    V˙(e,a~)≤0\dot{V}\left( e,\tilde{a}\right) \leq 0V˙(e,a~)0 ----------- (6)

    由(4),(6)的positive definite特性可以确定(4)是一个合理的Lyapunov函数,由(6)可知(4)有界,即eeea~\tilde{a}a~也有界,且eee平方可积。根据期望信号xdx_{d}xd的假设,以及参数误差和跟踪误差的定义可知,xxxa^\hat{a}a^也是有界的,因此由(2)得到的控制uuu也是有界的,且由(1)得到e˙(t)\dot{e}( t)e˙(t)也有界。
    由Barbalat’s Lemma可得e˙(t)\dot{e}( t)e˙(t)uniformly continuous且

    lim⁡t→∞e(t)=0\lim _{t\rightarrow \infty } e( t) =0limte(t)=0

    由此可以得到系统渐进稳定,但是我们此时只是得到了系统的跟踪误差渐进收敛到0,但是参数的估计误差并没有收敛到0,因为我们设计参数的更新律时,是从系统的角度来设计的。

    综合,整体思路为,先求出对期望信号xd(t)x_{d}( t)xd(t)跟踪误差的误差动态方程;根据等价确定性原则(certainty equivalence, CE)设计控制器u(t)u(t)u(t),包含耦合抵消项和线性负反馈项两项组成,其中的未知参数用其参数估计值代替;然后设计Lyapunov函数,求导得出参数估计更新律;最后在保证Lyapunov函数导数非正的情况下,根据Barbalat引理得出跟踪误差渐近收敛得结论


    存在的问题

    参数估计的更新律中,并没有包含参数估计误差的负反馈,而是与跟踪误差直接耦合在一起a^˙=−η⋅e⋅x2\dot{\hat{a}} =-\eta \cdot e\cdot x^{2}a^˙=ηex2,结果导致跟踪误差影响参数估计的过程,而参数估计在控制器中直接影响跟踪误差,两者的直接耦合造成了系统闭环性能的下降


    改进

    解决办法就是浸入与不变(Immersion and Invariance, I&I)理论。通过引入关于状态的修正项,从而间接将未知参数引入到参数估计动态当中

    这里写图片描述

    我们需要人为设计估计误差的动态特性,此时uuu是已知量,对于这个问题不同于控制系统的设计在于,我们并不知道zzz的具体值,因为我们队最终参数θ\thetaθ是未知的,所以我们只能利用已经存在的动态结构,最大可能的构造利于证明收敛的自适应律,也就是θ^˙\dot{\hat{\theta }}θ^˙,相当于控制系统设计中的uuu
    对于,z˙=−∂β∂x⋅x2⋅z\dot{z} =-\dfrac{\partial \beta }{\partial x} \cdot x^{2} \cdot zz˙=xβx2z,我们需要构造Lyapunov函数,设计β(x)\beta ( x)β(x),从而证明了参数收敛的稳定性。


    总结

    两种设计方法只不过是将自适应律的设计问题的转化了而已,原先的自适应律的设计是直接根据整个系统的Lyapunov进行设计,改进的方法是建立参数的动态模型,并根据此系统的Lyapunov进行设计

    展开全文
  • html自适应页面

    2017-07-27 11:54:59
    html自适应页面
  • 原文:wpf-MVVM界面自适应:界面自适应及字体自适应 1,界面自适应 界面先划分Region,每个填充Region的View不设置Width属性,即可按照Region划分的比例,自适应屏幕分辨率 2.字体自适应 程序根据屏幕...
  • echarts图表随屏幕的宽度自适应

    万次阅读 多人点赞 2018-10-16 11:48:11
    图表的自适应chart.resize() 有时候会遇到屏幕宽度在变化,而echarts的图表保持原宽度不变的情况: 只需要在图表数据初始化函数之后,再resize()下就可以了。 代码示例: &lt;div class="chart_box"&...
  • 原生js自适应宽度焦点图切换_自适应焦点图切换代码
  • qt窗口自适应

    2017-06-21 09:55:59
    根据屏幕大小自适应窗口大小,包括窗口字体,所有窗体,gif都自适应大小。也支持窗口拖拉自适应大小。
  • 自适应算法

    万次阅读 2018-08-15 10:26:11
    自适应过程是一个不断逼近目标的过程。它所遵循的途径以数学模型表示,称为自适应算法。通常采用基于梯度的算法,其中最小均方误差算法(即LMS算法)尤为常用。自适应算法可以用硬件(处理电路)或软件(程序控制)两...
  • 自适应控制课件

    2018-03-23 10:58:28
    自适应控制概述 基本概念、 解决的问题、 分类及发展 模型参考自适应控制 系统描述 可调系统的结构 自适应控制律 自校正控制 最小方差自校正控制器 极点配置自校正控制器 自校正PID控制
  • 自适应控制教材 适用研究生学习和工程技术人员学习
  • 自适应信号处理

    2016-11-10 22:03:38
    自适应信号处理(英文版)》是自适应信号处理方面的一部经典著作,系统介绍了自适应信号处理的原理、算法和结构及其在各个领域的应用。《自适应信号处理(英文版)》既有理论分析,又有物理概念阐述,核心内容是自适应...
  • css 识别屏幕大小自适应

    万次阅读 2017-12-19 11:20:54
    (1)原生自适应 @media screen 表示当屏幕大于320px,并小于1156px是执行下面的css @media screen and (min-width: 320px) and (max-width: 1156px){ .site-bg-dl { position: fixed; height: 100...
  • winform窗口自适应

    2018-10-17 13:04:16
    winform窗口自适应代码,c#winform资源,解压即可使用
  • 自适应控制学习——MIT自适应

    千次阅读 2019-11-05 22:29:57
    MIT自适应律 参考书籍 系统辨识与自适应控制 MATLAB仿真(第三版) 仿真环境 Matlab 2016a 参照书上P59的例题搭建 只放代码和结果 单纯的MIT自适应律代码如下: %MIT自适应律 %一些量的初始化 clear clc r = 0.1;%...
  • bootstrap自适应表格

    2018-12-27 13:49:56
    基于bootstrap写的自适应表格,支持单元格在数据较多时单行显示。
  • 自适应卡尔曼滤波

    2018-12-14 17:24:59
    能运行的简单的自适应卡尔曼滤波程序,多维的滤波可在其上扩展。
  • 自适应滤波

    2019-07-02 10:57:25
    LMS算法实现自适应滤波器(matlab版)
  • 写移动端自适应屏幕的方法

    万次阅读 多人点赞 2019-04-14 19:37:50
    前端移动端开发的时候肯定是会面对不同型号的手机的页面展示问题的,今天给大家推出另外一种自适应不同移动端的方法,使用vw,vh单位。 vw和vh单位的大小是多少? vw和vh是根据设备的宽度和高度来决定的,设备的宽...
  • Echarts图表自适应宽高大小

    万次阅读 热门讨论 2018-08-14 11:28:43
    这就无法按照浏览器大小进行自适应调整。经过一番纠结发现了解决方法. 官网描述的截图如下: 这个鬼东西,简直是反人类的设定好吗。这都什么年代了不能自适应的网站是不可以滴。我在这个项目使用的是百分比布局...
  • 自适应PID控制算法

    2019-01-11 14:57:30
    自适应PID控制算法
  • 什么是自适应网站?指的是网页通过不同大小终端设备自适应显示,根据屏幕大小、宽度自动调整布局,自适应也可以叫响应式。自适应网站是HTML5的新技术。自适应网站的优点:1、在PC端、手机端和IPAD端都是采用一套代码...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 73,287
精华内容 29,314
关键字:

自适应