adaptive-control-MATLAB-simulation

RESOURCES MANAGEMENT IN GRID COMPUTING

Travaux pratique Analyse numérique MATLAB

需求响应楼控系统。主动响应参与楼控系统，结果显示为削峰和填谷的所有时刻。(Demand Side Response - BAS)

卡尔曼滤波器的实现，对两个参量进行了滤波分析，效果比较理想(Realization of the Kalman filter, the filter of two parameters, the effect is more ideal)

CETTE docement c est l entree entre2

雷达C&I干扰信号仿真Matlab源码，包括时域波形及其匹配滤波接收中所呈现的干扰效果(the Matlab source code for radar C&I jamming signal)

This also a demo of the Particle Swarm Optimization to have a look on the PSO train

一、 牛顿－拉夫逊法概要 首先对一般的牛顿－拉夫逊法作一简单说明。已知一个变量X的函数 （4－6） 解此方程式时，由适当的近似值X（0）出发，根据 （4－7） 反复进行计算，当X（n）满足适当的收敛判定条件时就是（4－6）式的根。这样的方法就是所谓的牛顿－拉夫逊法。 式（4－7）就是取第n次近似解X（n）在曲线 上的点 处的切线与X轴的交点作下一次X（n+1）值的方法。参考图4－2（a）。在这一方法中为了能收敛于真解，初值X（0）的选取及函数f（X）必须满足适当的条件，如图4－2（b）所示的那种情况就不能收敛或收敛到别的根上去。 这一方法还可以做下面的解释，设第n次迭代得到的解与真值之差，即 的误差为 时，则 （4-8） 把 在 附近对 用泰勒级数展开 （4-9） 上式略去 以下的项 （4-10） 的误差可近似由上式计算出来 图4-2 （4-11） 比较式（4-7）和（4-11），可以看出牛顿-拉夫逊法的修正量和 的误差的一次项相等。 用同样的方法考虑，给出对n个变量 (:Because of the importance and complexity of power system, better algorithm and programme language is very important . An interior point method based on the perturbed Karush2Kuhn2Tucker (KKT) condition is pre2 sented in this paper , where the method and process for the optimal power flow is treated through the Matlab’s symbolic math toolbox and Mfunction is also presented. Using the symbolic code , it can improve the adaptability of the programme dramatically. The advantage is that , what we need to do is change the model expression. We can make use of the symbolic programme to check our programme while we write the Mfunctions. Using the Mat2 lab , we find the optimal solutions and calculate quickly and efficiently. It has proposed the powerful and unique functions of Matlab in the optimization and calculation for power system. Key words :power system symbolic calculation optimal power flow interior point method)

信号经过格雷码编码之后qpsk传输，研究信噪比。(After Gray coded signal transmission qpsk, research SNR.)

测试比较算法性能的matlab程序，主要是粒子群算法当中，有GD,SR等等指标，非常有用(Test matlab program to compare the performance of the algorithm, particle swarm optimization, GD, SR and so on target, very useful)