导读:本文包含了学习控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,自适应,卷积,深度,模型,航天器,组合。
学习控制论文文献综述
康国华,金晨迪,郭玉洁,乔思元[1]（2019）在《基于深度学习的组合体航天器模型预测控制》一文中研究指出利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明:该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10~(-4)量级。(本文来源于《宇航学报》期刊2019年11期）
魏彧,于春沣[2]（2019）在《加强统筹城市规划 提升战略发展格局》一文中研究指出本报讯（记者 魏彧 于春沣）昨天下午，市委书记李鸿忠主持召开市委常委会会议，学习贯彻中共中央办公厅、国务院办公厅印发的《关于在国土空间规划中统筹划定落实叁条控制线的指导意见》，讨论《天津市国土空间发展战略》和《关于进一步加强规划和土地管理工作的意见》。市(本文来源于《天津日报》期刊2019-11-26）
王兰,谢达,董宜平,曹进德[3]（2019）在《基于准ARX多层学习网络模型的非线性系统自适应控制》一文中研究指出建立了准ARX多层学习网络预测模型,并用于非线性系统自适应控制问题.该模型的内核部分为一个改进的神经模糊网络(NFNs):一部分为叁层非线性网络结构,采用自联想网络进行离线训练;另一部分为叁层NFNs,采取在线调整.据此对参数进行分类,给出相应调整算法.然后,基于模型宏观结构的优势给出控制器设计方案.仿真分析给出该建模方法的有效性.(本文来源于《应用数学和力学》期刊2019年11期）
黄静,郑华义,李宏,李国岫,邱成[4]（2019）在《带参数学习的引导信号迭代学习控制方法》一文中研究指出针对传统迭代学习控制方法应用在空气舵负载模拟器加载系统中的控制发散问题,提出一种引导信号迭代学习控制方法。为提高和增强新方法的智能型和适应性,并具备更快的收敛速度,对新提出方法进行改进:对引导信号进行迭代学习的同时,也对控制参数进行学习,从而使得新控制方法具备双重学习能力。在系统每个迭代周期初始状态不一致的实际情况下,对新控制方法进行收敛特性的数学分析及证明,并最终给出收敛的充分条件。改进后的控制方法应用在空气舵负载模拟器加载系统仿真模型中进行验证,通过与传统迭代学习控制方法以及不带参数学习的控制方法进行对比,表明带参数学习的引导信号迭代学习控制方法具有更快的收敛速度和更好的控制效果。(本文来源于《兵工学报》期刊2019年11期）
李正锋,高蕾,张倩[5]（2019）在《研发人员双元学习能力、控制机制与创新行为关系研究》一文中研究指出以资源基础理论中"投入-过程-产出"的研究范式为基础,构建了研发人员双元学习能力、控制机制与创新行为的概念模型,运用278份有效问卷验证了叁者之间关系的假设。研究结果表明,双元学习能力对研发人员创新行为具有正向影响作用,探索式学习能力对研发人员创新构想产生的影响作用更强,而利用式学习能力对研发人员创新构想的实施有更强的影响作用。结果控制和过程控制对研发人员的创新行为具有积极的促进作用,结果控制在创新实施阶段具有更强的影响作用,而过程控制则更多地影响创新构想的产生阶段。控制机制在研发人员双元学习能力和创新行为之间具有显着的调节效应,在资源有限的条件下,建立有效的控制机制对于研发人员合理分配学习时间和内容、提升创新效率和效果具有导向作用。研究结论对于指导我国企业和科研院所实现创新驱动发展具有一定的参考和启示。(本文来源于《价值工程》期刊2019年32期）
许乾坤,李烨,董浩,叶剑飞,李俊何[6]（2019）在《基于机器学习的TCP拥塞控制算法识别研究》一文中研究指出准确识别服务器端采用的拥塞控制算法对于预防和缓解TCP网络拥塞具有重要意义,但目前已有的对拥塞控制算法的识别方法均存在一定问题。在对当前主流拥塞控制算法进行特性分析的基础上,利用接收端采集的数据提取丢包时拥塞窗口下降比例、拥塞避免阶段窗口增长函数、快速恢复阶段窗口增长函数等特征。为提高识别效率和准确率,提出一种极限学习机和随机森林相结合的算法,对服务器端的拥塞控制算法进行识别。与多种机器学习方法对比研究的结果表明,基于所构造的特征向量可实现对RENO和NEWRENO算法的识别,且所提识别新算法取得了比其它识别方法更优的识别效果。(本文来源于《通信技术》期刊2019年11期）
李鹤宇,赵志龙,顾蕾,郭丽琴,曾贲[7]（2019）在《基于深度强化学习的机械臂控制方法》一文中研究指出深度强化学习在环境中不断探索尝试,通过奖励函数对神经网络参数进行调节。实际的生产线无法作为算法的试错环境,不能提供足够的数据,构建一个机械臂仿真环境,包括机械臂与物体两部分,根据目标设置状态变量与奖励机制,在模型中对深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)进行训练,实现通过深度强化学习算法控制机械臂,将抓手移动至物体下方,改进控制算法的适应性,缩短调试时间。实验结果表明,深度学习算法能够在更短的时间内达到收敛,实现对机械臂的控制。(本文来源于《系统仿真学报》期刊2019年11期）
李培峰,鲍泓,徐成[8]（2019）在《基于深度学习的智能驾驶控制的研究进展》一文中研究指出智能驾驶是智能科学研究领域最热门的技术之一,其涉及的技术非常复杂。作为智能驾驶系统叁大结构层的基础,控制层在智能驾驶行为中起着重要作用,如何使智能驾驶行为的控制像驾驶员一样始终是最重要的研究方向。首先介绍了智能驾驶控制的研究背景和研究现状,分析了智能驾驶系统;然后对一些传统方法进行简单回顾,如模糊PID和自适应巡航;接着介绍了深加固学习和神经网络的方法,并介绍了其在智能驾驶控制中的应用;最后探讨了控制方法的未来发展方向。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）
杜国标[9]（2019）在《中职学生移动学习行为控制研究——以教师开发的微信订阅号个人版移动学习平台为例》一文中研究指出移动学习(M-Learning)是一种使用移动设备访问学习内容的新方法,是一种在移动设备帮助下、能够在任何时间、任何地点发生的学习,被认为是未来学习不可缺少的一种方式。而教师如何给学生提供简单有效的移动学习平台并做好学生的移动学习行为控制值得深入研究。本文针对中职学生移动学习行为的现状,讨论了教师利用微信订阅号个人版搭建移动学习平台的可行性、必要性和教学实施方法,研究中职学生在移动学习过程中可能存在的影响因素,分析移动学习规律,针对中职学生提出移动学习行为控制策略,以期建立真正适应中职学生发展规律的移动学习模式。(本文来源于《职业》期刊2019年31期）
白雪宁[10]（2019）在《基于分层深度强化学习的机械臂控制方法研究》一文中研究指出针对现阶段机械臂控制困难、学习效率低的问题,基于分层深度强化学习,提出了通过以非线性微分方程表示的动态运动基元的协调配合来提高机械臂的学习效率和动态适应性的方法。此外,还提出了元控制器和子控制器的概念,分别用于策略的学习与目标任务的实现,从而实现层级概念和深度强化学习的结合。通过到达指定目标的仿真实验,验证了基于动态运动基元的分层强化学习方法的有效性。(本文来源于《自动化与仪器仪表》期刊2019年10期）
学习控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本报讯（记者 魏彧 于春沣）昨天下午，市委书记李鸿忠主持召开市委常委会会议，学习贯彻中共中央办公厅、国务院办公厅印发的《关于在国土空间规划中统筹划定落实叁条控制线的指导意见》，讨论《天津市国土空间发展战略》和《关于进一步加强规划和土地管理工作的意见》。市
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
学习控制论文参考文献
[1].康国华,金晨迪,郭玉洁,乔思元.基于深度学习的组合体航天器模型预测控制[J].宇航学报.2019
[2].魏彧,于春沣.加强统筹城市规划提升战略发展格局[N].天津日报.2019
[3].王兰,谢达,董宜平,曹进德.基于准ARX多层学习网络模型的非线性系统自适应控制[J].应用数学和力学.2019
[4].黄静,郑华义,李宏,李国岫,邱成.带参数学习的引导信号迭代学习控制方法[J].兵工学报.2019
[5].李正锋,高蕾,张倩.研发人员双元学习能力、控制机制与创新行为关系研究[J].价值工程.2019
[6].许乾坤,李烨,董浩,叶剑飞,李俊何.基于机器学习的TCP拥塞控制算法识别研究[J].通信技术.2019
[7].李鹤宇,赵志龙,顾蕾,郭丽琴,曾贲.基于深度强化学习的机械臂控制方法[J].系统仿真学报.2019
[8].李培峰,鲍泓,徐成.基于深度学习的智能驾驶控制的研究进展[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019
[9].杜国标.中职学生移动学习行为控制研究——以教师开发的微信订阅号个人版移动学习平台为例[J].职业.2019
[10].白雪宁.基于分层深度强化学习的机械臂控制方法研究[J].自动化与仪器仪表.2019
论文知识图
