这本书研究控制算法的人一定知道，不必多言。
此电子书是完整的电子版（全英文版），取之于互联网，因此也把这份难得的好资料分享给大家。
啰嗦一句，这本书的知识结构基本上是自我包容的，学过线性空间（或者矩阵论）的人可以直接阅读。
如果有一点泛函基础更好。
以下是目录（英文目录太长，以下是翻译后的摘录）：符号与注释缩写表第一章绪论第二章线性代数第三章线性动态系统第四章性能指标第五章反馈系统的稳定性和性能第六童性能极限第七章模型降阶的平衡截断法第八章Hankel范数逼近第九章模型不确定性和鲁棒性第十章线性分式变换第十一章结构奇异值第十二章镇定控制器的参数化第十三章代数Riccati方程第十四章H2最优控制第十五章线性二次型优化第十六章H∞控制：简单情况第十七章H∞控制：一般情形第十八章H∞回路成形第十九章控制器降阶第二十章固定结构控制器第二十一章离散时间控制参考文献索引
此电子书是完整的电子版（全英文版），取之于互联网，因此也把这份难得的好资料分享给大家。
啰嗦一句，这本书的知识结构基本上是自我包容的，学过线性空间（或者矩阵论）的人可以直接阅读。
如果有一点泛函基础更好。
以下是目录（英文目录太长，以下是翻译后的摘录）：符号与注释缩写表第一章绪论第二章线性代数第三章线性动态系统第四章性能指标第五章反馈系统的稳定性和性能第六童性能极限第七章模型降阶的平衡截断法第八章Hankel范数逼近第九章模型不确定性和鲁棒性第十章线性分式变换第十一章结构奇异值第十二章镇定控制器的参数化第十三章代数Riccati方程第十四章H2最优控制第十五章线性二次型优化第十六章H∞控制：简单情况第十七章H∞控制：一般情形第十八章H∞回路成形第十九章控制器降阶第二十章固定结构控制器第二十一章离散时间控制参考文献索引
2025/2/4 9:33:26
4.22MB
1
萧德云的系统辨识理论及应用，本文讲的很全，不过感觉本文偏重辨识算法，输入信号的设计、最优实验设计没讲，不得不说有点缺陷，其次，感觉文笔一般，没有太让人想看的欲望，丁锋出了更全的系统辨识，不过暂时没搞到全的，好像也只出了第一、三册。
由于文件大，分1,2两部分。
由于文件大，分1,2两部分。
2025/2/3 20:51:53
59.58MB
1
多变量反馈控制——分析与设计》(第2版)以严谨易读的方式介绍了鲁棒多变量控制系统的分析和设计。
着重讲述实际的反馈控制，而不是一般的系统理论，力求使读者能够深刻了解反馈控制的优势和不足。
第2版涵盖了本领域的*发展，进行了全面的修订和更新： 使用全新的一章介绍线性矩阵不等式(LMIs)的使用，这是第二版的特色；
给出关于RHP极点和RHP零点对系统产生的基本性能限制的研究成果；
介绍有关自寻优控制和被控变量选择的*资料；
提供PID控制的简单IMC调整规则；
涵盖了一些附加材料，包括不稳定对象、反馈放大器、下增益裕量以及把积分作用引入LQG控制的清晰策略；
列举了大量应用实例、习题和具体案例，其中频繁使用了Matlab和新型鲁棒控制工具箱。
着重讲述实际的反馈控制，而不是一般的系统理论，力求使读者能够深刻了解反馈控制的优势和不足。
第2版涵盖了本领域的*发展，进行了全面的修订和更新： 使用全新的一章介绍线性矩阵不等式(LMIs)的使用，这是第二版的特色；
给出关于RHP极点和RHP零点对系统产生的基本性能限制的研究成果；
介绍有关自寻优控制和被控变量选择的*资料；
提供PID控制的简单IMC调整规则；
涵盖了一些附加材料，包括不稳定对象、反馈放大器、下增益裕量以及把积分作用引入LQG控制的清晰策略；
列举了大量应用实例、习题和具体案例，其中频繁使用了Matlab和新型鲁棒控制工具箱。
2025/1/30 3:41:42
36.98MB
1
OptimalTrajectoryGenerationforDynamicStreetScenariosinaFrenetFrame，该文章讲了FRNEET框架下动态街道场景的最优轨迹生成的方法，用于表示车辆与地图的相对位置。
百度Apollo开源项目中应用到了此种方法用于路径规划。
百度Apollo开源项目中应用到了此种方法用于路径规划。
2025/1/28 18:23:40
1.66MB
1
分析了支持向量机（supportvectormachine,SVM）目前主要存在的问题和参数选择对分类性能的影响后,提出了以改进粒子群算法优化SVM关键参数的优化SVM算法。
将加入拥挤度因子的微粒群算法引入到SVM中,在不牺牲泛化性能的前提下,对其参数进行优化,增加了SVM初始化参数的多样性,减慢了局部搜索,促进其在全局范围内的寻优搜索,以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的缺点,并利用由粗到精的策略构造多层SVM人脸表情分类器,在提高准确率的基础上加快分类的速度。
实验证明,新算法具有速度快、准确率高的优点。
将加入拥挤度因子的微粒群算法引入到SVM中,在不牺牲泛化性能的前提下,对其参数进行优化,增加了SVM初始化参数的多样性,减慢了局部搜索,促进其在全局范围内的寻优搜索,以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的缺点,并利用由粗到精的策略构造多层SVM人脸表情分类器,在提高准确率的基础上加快分类的速度。
实验证明,新算法具有速度快、准确率高的优点。
2025/1/27 13:07:22
1.13MB
1
2018年最新全国1万多所大学腾讯坐标数据（最全的大学数据库）都是地图上辛苦采集整理下来的，绝对真实，好不好一看便知，数据如下：1116.3269740.00281清华大学北京市北京市海淀区北京市海淀区双清路30号2116.3102539.99287北京大学北京市北京市海淀区北京市海淀区颐和园路5号3116.3151639.9702中国人民大学北京市北京市海淀区北京市海淀区中关村大街59号4116.3658839.96168北京师范大学北京市北京市海淀区北京市海淀区新街口外大街19号5116.3574540.00494中国农业大学(东校区)北京市北京市海淀区北京市海淀区清华东路17号6116.3497539.98421北京航空航天大学北京市北京市海淀区北京市海淀区学院路37号7116.2827740.02528中国农业大学(西校区)北京市北京市海淀区北京市海淀区圆明园西路2号8116.3166739.96091北京理工大学北京市北京市海淀区北京市海淀区中关村南大街5号9116.2973839.78382北京师范大学&中央财经大学(联合校区)北京市北京市大兴区北京市大兴区优龙路
2025/1/22 19:38:30
1010KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB