18、控制系统研究与ALSTOM气化炉系统状态空间矩阵分析

控制系统研究与ALSTOM气化炉系统状态空间矩阵分析

1. 控制系统相关研究概述

在控制系统领域,众多学者开展了广泛而深入的研究,这些研究成果为该领域的发展奠定了坚实的基础。
- 经典控制理论相关研究 :早期的研究如J. C. Maxwell在1868年对调速器的研究,为控制系统的发展拉开了序幕。后来,E. J. Routh在1905年对刚体系统动力学的研究,以及A. Hurwitz在1895年关于方程根实部为负的条件研究,都为经典控制理论的形成做出了重要贡献。
- 现代控制理论的兴起 :20世纪中叶以后,现代控制理论逐渐兴起。R. E. Kalman在1961年提出的控制系统一般理论,以及他和R. S. Bucy在同年关于线性滤波和预测理论的新成果,为现代控制理论的发展带来了新的突破。此外,L. S. Pontryagin等人在1962年提出的最优过程数学理论,也在控制领域产生了深远的影响。
- 智能控制与模糊控制的发展 :随着科技的进步,智能控制和模糊控制成为了研究热点。F. Rosenblatt在1961年提出的神经动力学原理,以及L. A. Zadeh在1965年提出的模糊集理论,为智能控制和模糊控制的发展提供了理论支持。此后,众多学者在这方面进行了深入研究,如E. H. Mamdani在1976年对模糊控制器语言合成的研究,以及M. Sugeno在1985年对模糊控制工业应用的研究。

以下是部分重要研究的时间轴:

gantt
    dateFormat  YYYY
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值