【自动控制原理】控制系统数学模型

article/2025/6/9 15:11:30

目录

  • 一、控制系统数学模型
    • 1.1 数学模型概述
    • 1.2 时域、复域、频域下的常见数学模型举例
    • 1.3 时域微分方程建模示例一
    • 1.4 时域微分方程建模示例二
    • 1.5 线性系统特性
    • 1.6 运动模态
  • 二、线性系统复域数学模型
    • 2.1 传递函数
      • 2.1.1 传递函数
      • 2.1.2 推导
      • 2.1.3 Matlab写连续传递函数的方式
      • 2.1.4 传递函数的性质
    • 2.2 零极点
      • 2.2.1 首一标准型和尾一标准型
      • 2.2.2 零极点的意义
      • 2.2.3 零极点分布图
    • 2.3 典型环节及其传递函数
  • 三、线性系统结构框图和信号流图
    • 3.1 结构框图
      • 3.1.1 一个例子说通结构框图、微分方程、传递函数、信号
      • 3.1.2 结构图的变换
    • 3.2 信号流图
  • 四、梅森增益公式
    • 4.1 公式
    • 4.2 举个例子
  • 总结
  • 参考资料

一、控制系统数学模型

1.1 数学模型概述

控制系统的数学模型是为了定量描述系统的性能指标而构建的用以描述系统内部物理量之间关系的数学表达式。

建立数学模型的方法可以使用分析法和实验法。

1.2 时域、复域、频域下的常见数学模型举例

时域:微分方程、差分方程、状态方程
复域:传递函数、结构框图、信号流图
频域:频率特性、奈氏图、伯德图

1.3 时域微分方程建模示例一

在这里插入图片描述
由基尔霍夫电压定律得: u I ( t ) = R i ( t ) + L d i ( t ) d t + u O ( t ) u_I(t)=Ri(t)+L\frac{di(t)}{dt}+u_O(t) uI(t)=Ri(t)+Ldtdi(t)+uO(t)由电容特性方程得: u O ( t ) = 1 C ∫ 0 t i ( τ ) d τ u_O(t)=\frac{1}{C}\int_0^t {i(\tau)} \,{\rm d}\tau uO(t)=C10ti(τ)dτ那么:
L C d 2 u O ( t ) d t 2 + R C d u O ( t ) d t + u O ( t ) = u I ( t ) LC\frac{d^2u_O(t)}{dt^2}+RC\frac{du_O(t)}{dt}+u_O(t)=u_I(t) LCdt2d2uO(t)+RCdtduO(t)+uO(t)=uI(t)
可以看出,上式表征了输出电压与输入电压的关系,满足二阶定常线性微分方程关系。

1.4 时域微分方程建模示例二

在这里插入图片描述
由牛顿第二定律: m d 2 x ( t ) d t 2 = F ( t ) − F 1 ( t ) − F 2 ( t ) m\frac{d^2x(t)}{dt^2}=F(t)-F_1(t)-F_2(t) mdt2d2x(t)=F(t)F1(t)F2(t)而:
F 1 ( t ) = f v = f d x ( t ) d t F_1(t)=fv=f\frac{dx(t)}{dt} F1(t)=fv=fdtdx(t) F 2 ( t ) = k x ( t ) F_2(t)=kx(t) F2(t)=kx(t)
所以: m d 2 x ( t ) d t 2 + f d x ( t ) d t + k x ( t ) = F ( t ) m\frac{d^2x(t)}{dt^2}+f\frac{dx(t)}{dt}+kx(t)=F(t) mdt2d2x(t)+fdtdx(t)+kx(t)=F(t)可以看出,上式表示了输入力 F ( t ) F(t) F(t)与输出位移 x ( t ) x(t) x(t)的变化关系

1.5 线性系统特性

线性系统满足齐次性和叠加性。所谓齐次性,就是输入输出满足: r 1 r 2 = c 1 c 2 \frac{r_1}{r_2}=\frac{c_1}{c_2} r2r1=c2c1;所谓叠加性就是如果 r = r 1 + r 2 r=r_1+r_2 r=r1+r2则输出为 c = c 1 + c 2 c=c_1+c_2 c=c1+c2

从结构来看,线性系统中所有元件均为线性元件,非线性系统中存在非线性的元件。什么是线性元件?通俗来说,就是其特性方程的输入输出关系为线性的(注:线性是次数为1,而不是阶数为1,可以含有导数项,但不论几阶导数,其次数都为1。如1.3中所示电路,其元件属于线性元件)

1.6 运动模态

对于一个线性系统,其特征方程通解与微分方程特征根有关。如果n阶微分方程特征根为 λ 1 , λ 2 , … … , λ n \lambda_1,\lambda_2,……,\lambda_n λ1λ2……λn且无重根,就把 e λ 1 t , e λ 2 t , … … e λ 1 t e^{\lambda_1t},e^{\lambda_2t},……e^{\lambda_1t} eλ1teλ2t……eλ1t称为该微分方程描述的运动的模态。

每一种模态代表一种运动形式,齐次微分方程的通解是模态的线性组合。

那么,如果特征根存在重根呢?根据高数微分方程知识,系统模态存在形如 t e λ t , t 2 e λ t te^{\lambda t},t^2e^{\lambda t} teλtt2eλt的分量。如果系统有共轭复根,则存在 e δ t s i n ( ω t ) e^{\delta t}sin(\omega t) eδtsin(ωt) e δ t c o s ( ω t ) e^{\delta t}cos(\omega t) eδtcos(ωt)

二、线性系统复域数学模型

2.1 传递函数

2.1.1 传递函数

线性定常系统在零初始条件下,系统输出与输入的拉氏变换之比。
零初始条件:输入输出及其各阶导数从0+时刻加入到系统,在t=0及0-时刻以及t<0时均为0

2.1.2 推导

设线性定常系统: a 0 d n d t n c ( t ) + a 1 d n − 1 d t n − 1 c ( t ) + … … + a n c ( t ) = b 0 d m d t m r ( t ) + b 1 d m − 1 d t m − 1 r ( t ) + … … + b m r ( t ) a_0\frac{d^n}{dt^n}c(t)+a_1\frac{d^{n-1}}{dt^{n-1}}c(t)+……+a_nc(t)=b_0\frac{d^m}{dt^m}r(t)+b_1\frac{d^{m-1}}{dt^{m-1}}r(t)+……+b_mr(t) a0dtndnc(t)+a1dtn1dn1c(t)+……+anc(t)=b0dtmdmr(t)+b1dtm1dm1r(t)+……+bmr(t)
做拉氏变换: ( a 0 s n + a 1 s n − 1 + … … + a n ) C ( s ) = ( b 0 s m + b 1 s m − 1 + … … + b m ) R ( s ) (a_0s^n+a_1s^{n-1}+……+a_n)C(s)=(b_0s^m+b_1s^{m-1}+……+b_m)R(s) (a0sn+a1sn1+……+an)C(s)=(b0sm+b1sm1+……+bm)R(s)
∴ 系统传递函数为 G ( s ) = C ( s ) R ( s ) = ∑ i = 0 m b i s m − i ∑ n j = 0 a j s n − j G(s)=\frac{C(s)}{R(s)}=\frac{\sum^{m}_{i=0}{b_is^{m-i}}}{\sum^{j=0}_{n}{a_js^{n-j}}} G(s)=R(s)C(s)=nj=0ajsnji=0mbismi

2.1.3 Matlab写连续传递函数的方式

>> sys = tf([1 2 3],[5 2 3])sys =s^2 + 2 s + 3---------------5 s^2 + 2 s + 3Continuous-time transfer function.
>> sys = zpk([-1 -2 -3],[-2.5 -1.3 -3.6 -2.9],5)sys =5 (s+1) (s+2) (s+3)-------------------------------(s+2.5) (s+2.9) (s+3.6) (s+1.3)Continuous-time zero/pole/gain model.

2.1.4 传递函数的性质

1、通常, m < n m<n m<n,这意味着传递函数是有理真分式;
2、传递函数取决于系统结构,用输出除以输入只是一种计算式而非决定式,传递函数与输入信号无关;
3、传递函数描述输入输出关系,是时域微分方程在复域下的表示;
4、传递函数的反拉氏变换是系统的脉冲响应(这是因为,脉冲信号的拉氏变换为1,也就是说脉冲信号的输出信号的拉氏变换,就是系统的传递函数)
5、传递函数是在零初始条件下定义的,接收输入信号前,系统处于稳定工作状态;
6、传递函数的参数,表征系统的性能

2.2 零极点

2.2.1 首一标准型和尾一标准型

传递函数因式分解后有两种表示方法,一种是
G ( s ) = K ∗ ∏ i = 1 m ( s − z i ) ∏ j = 1 n ( s − p j ) G(s)=\frac{K^*\prod^{m}_{i=1}{(s-z_i)}}{\prod^{n}_{j=1}{(s-p_j)}} G(s)=j=1n(spj)Ki=1m(szi)称之为首一标准型,其中 K ∗ K^* K称之为根轨迹增益(根轨迹见我的另一篇博文:根轨迹法之绘制根轨迹)。另一种写法是
G ( s ) = K ∏ i = 1 m ( τ i s + 1 ) ∏ j = 1 n ( T j s + 1 ) G(s)=\frac{K\prod^{m}_{i=1}{(\tau_is+1)}}{\prod^{n}_{j=1}{(T_js+1)}} G(s)=j=1n(Tjs+1)Ki=1m(τis+1)称之为尾一标准型,其中 K K K称为开环增益。

2.2.2 零极点的意义

传递函数的极点决定系统响应的形式(模态),零点影响系统各模态在响应中所占的比重。

2.2.3 零极点分布图

见博文:根轨迹法之绘制根轨迹

2.3 典型环节及其传递函数

一般来说,系统传递函数可以分为如下几个简单的环节,它们及其传递函数如下所示:
(1)比例环节: G ( s ) = K G(s)=K G(s)=K
(2)微分环节: G ( s ) = s G(s)=s G(s)=s
(3)积分环节: G ( s ) = 1 s G(s)=\frac{1}{s} G(s)=s1
(4)惯性环节: G ( s ) = 1 T s + 1 G(s)=\frac{1}{Ts+1} G(s)=Ts+11
(5)一阶微分环节: G ( s ) = τ s + 1 G(s)=\tau s+1 G(s)=τs+1
(6)二阶振荡环节: G ( s ) = 1 T 2 s 2 + 2 ζ T s + 1 = ω n 2 s 2 + 2 ζ ω n s + ω n 2 G(s)=\frac{1}{T^2s^2+2\zeta Ts+1}=\frac{\omega^2_n}{s^2+2\zeta\omega_ns+\omega^2_n} G(s)=T2s2+2ζTs+11=s2+2ζωns+ωn2ωn2
(7)延时环节: G ( s ) = e − τ s G(s)=e^{-\tau s} G(s)=eτs

三、线性系统结构框图和信号流图

结构框图和信号流图都是用于描述系统的工具,表达输入输出因果关系及其运算的图。

3.1 结构框图

3.1.1 一个例子说通结构框图、微分方程、传递函数、信号

在这里插入图片描述
可以列写微分方程:
L d i d t + i 1 R + u O = u I L\frac{di}{dt}+i_1R+u_O=u_I Ldtdi+i1R+uO=uI i 1 = i − i 2 i_1=i-i_2 i1=ii2 i 2 = C 2 d u C 2 d t = R C 2 d i 1 d t i_2=C_2\frac{du_{C2}}{dt}=RC_2\frac{di_1}{dt} i2=C2dtduC2=RC2dtdi1 i = C 1 d u C 1 d t = C 1 d u O d t i=C_1\frac{du_{C1}}{dt}=C_1\frac{du_O}{dt} i=C1dtduC1=C1dtduO拉氏变换得: L s I ( s ) + R I 1 ( s ) + U O ( s ) = U I ( s ) LsI(s)+RI_1(s)+U_O(s)=U_I(s) LsI(s)+RI1(s)+UO(s)=UI(s) I 1 ( s ) = I ( s ) − I 2 ( s ) I_1(s)=I(s)-I_2(s) I1(s)=I(s)I2(s) I 2 ( s ) = R C 2 s I 1 ( s ) I_2(s)=RC_2sI_1(s) I2(s)=RC2sI1(s) I ( s ) = C 1 s U O ( s ) I(s)=C_1sU_O(s) I(s)=C1sUO(s)上述式子的结构图如下:
(1)
在这里插入图片描述
(2)
在这里插入图片描述
(3)
在这里插入图片描述

(4)
在这里插入图片描述
组合起来就是:
在这里插入图片描述
将拉氏变换后的方程整理,可以得到闭环传递函数:
Φ ( s ) = U O ( s ) U I ( s ) = 1 + R C 2 s R L C 1 C 2 s 3 + L C 1 s 2 + R ( C 1 + C 2 ) s + 1 \Phi(s)=\frac{U_O(s)}{U_I(s)}=\frac{1+RC_2s}{RLC_1C_2s^3+LC_1s^2+R(C_1+C_2)s+1} Φ(s)=UI(s)UO(s)=RLC1C2s3+LC1s2+R(C1+C2)s+11+RC2s

3.1.2 结构图的变换

1、串联一个环节,原来这个通道的传递函数就再多乘以这个环节的传递函数。如:在这里插入图片描述
x 2 ( s ) = x 1 ( s ) G 1 ( s ) , x 3 ( s ) = x 2 ( s ) G 2 ( s ) x_2(s)=x_1(s)G_1(s),x_3(s)=x_2(s)G_2(s) x2(s)=x1(s)G1(s)x3(s)=x2(s)G2(s)所以: x 3 ( s ) = x 1 ( s ) [ G 1 ( s ) G 2 ( s ) ] x_3(s)=x_1(s)[G_1(s)G_2(s)] x3(s)=x1(s)[G1(s)G2(s)]所以上图等价于:
在这里插入图片描述

2、并联一个环节,就把两者的信号相加(或相减)作为总信号。如:
在这里插入图片描述
x 2 ( s ) = x 1 ( s ) G 1 ( s ) + x 1 ( s ) G 2 ( s ) + x 1 ( s ) G 3 ( s ) = x 1 ( s ) [ G 1 ( s ) + G 2 ( s ) + G 3 ( s ) ] x_2(s)=x_1(s)G_1(s)+x_1(s)G_2(s)+x_1(s)G_3(s)=x_1(s)[G_1(s)+G_2(s)+G_3(s)] x2(s)=x1(s)G1(s)+x1(s)G2(s)+x1(s)G3(s)=x1(s)[G1(s)+G2(s)+G3(s)]所以上图等价于:
在这里插入图片描述

3、相加点向前(后)移动,其主通道除以(乘以)支路通道的传递函数。如:
在这里插入图片描述
x 3 ( s ) = [ x 1 ( s ) G 1 ( s ) + x 2 ( s ) G 2 ( s ) ] G 3 ( s ) = x 1 ( s ) G 1 ( s ) G 3 ( s ) + x 2 ( s ) G 2 ( s ) G 3 ( s ) x_3(s)=[x_1(s)G_1(s)+x_2(s)G_2(s)]G_3(s)=x_1(s)G_1(s)G_3(s)+x_2(s)G_2(s)G_3(s) x3(s)=[x1(s)G1(s)+x2(s)G2(s)]G3(s)=x1(s)G1(s)G3(s)+x2(s)G2(s)G3(s)
所以上图等价于:
在这里插入图片描述

4、分支点向前(后)移动,其主通道乘以(除以)支路通道的传递函数。如:在这里插入图片描述
x 2 ( s ) = x 1 ( s ) G 1 ( s ) G 2 ( s ) = x 1 ( s ) [ G 1 ( s ) G 2 ( s ) ] x_2(s)=x_1(s)G_1(s)G_2(s)=x_1(s)[G_1(s)G_2(s)] x2(s)=x1(s)G1(s)G2(s)=x1(s)[G1(s)G2(s)]所以上图可以等价于:在这里插入图片描述

3.2 信号流图

用节点表示变量,节点标志的变量是流向该节点的代数和,信号在支路上沿着箭头单向传递。
个人吐槽:不知是我理解的肤浅还是书上没写太多,怎么感觉信号流图跟结构框图,如同一个模子里做出来的不同点心呢。。。。。。

四、梅森增益公式

4.1 公式

具有n个前向通路的闭环系统传递函数表示为: Φ ( s ) = 1 Δ ∑ k = 1 n P k Δ k \Phi(s)=\frac{1}{\Delta}\sum^{n}_{k=1}{P_k\Delta_k} Φ(s)=Δ1k=1nPkΔk其中:
(1) Δ = 1 − ∑ L a + ∑ L b L c − ∑ L d L e L f + … … \Delta=1-\sum L_a+\sum L_bL_c-\sum L_dL_eL_f +…… Δ=1La+LbLcLdLeLf+……
∑ L a \sum L_a La:所有单独回路增益之和
∑ L b L c \sum L_bL_c LbLc:所有互不接触的两两回路增益乘积之和
∑ L d L e L f \sum L_dL_eL_f LdLeLf:所有三三互不接触回路增益乘积之和
……
(2) P k P_k Pk:从输入到输出的第k条前向通路总增益
(3) Δ k \Delta_k Δk Δ \Delta Δ中与第k条前向通路不接触的项

4.2 举个例子

以3.1.1中的结构框图为例,求闭环传递函数:
两条回路: L a = − 1 L C 1 s 2 L_a=-\frac{1}{LC_1s^2} La=LC1s21 L b = − R R L C 2 s 2 + L s L_b=-\frac{R}{RLC_2s^2+Ls} Lb=RLC2s2+LsR两条回路相交。所以:
Δ = 1 + 1 L C 1 s 2 + R R L C 2 s 2 + L s \Delta=1+\frac{1}{LC_1s^2}+\frac{R}{RLC_2s^2+Ls} Δ=1+LC1s21+RLC2s2+LsR
一条前向通路: P 1 = 1 L C 1 s 2 P_1=\frac{1}{LC_1s^2} P1=LC1s21与两条回路均相交,所以: Δ 1 = 1 \Delta_1=1 Δ1=1
由梅森增益公式: Φ ( s ) = 1 Δ ∑ k = 1 n P k Δ k = P 1 Δ 1 Δ = 1 L C 1 s 2 1 + 1 L C 1 s 2 + R R L C 2 s 2 + L s \Phi(s)=\frac{1}{\Delta}\sum^n_{k=1}{P_k\Delta_k}=\frac{P_1\Delta_1}{\Delta}=\frac{\frac{1}{LC_1s^2}}{1+\frac{1}{LC_1s^2}+\frac{R}{RLC_2s^2+Ls}} Φ(s)=Δ1k=1nPkΔk=ΔP1Δ1=1+LC1s21+RLC2s2+LsRLC1s21整理得: Φ ( s ) = R L C 2 s 2 + L s R L 2 C 1 C 2 s 4 + L 2 C 1 s 3 + R L C 2 s 2 + L s + R L C 1 s 2 = R C 2 s + 1 R L C 1 C 2 s 3 + L C 1 s 2 + R ( C 1 + C 2 ) s + 1 \Phi(s)=\frac{RLC_2s^2+Ls}{RL^2C_1C_2s^4+L^2C_1s^3+RLC_2s^2+Ls+RLC_1s^2}=\frac{RC_2s+1}{RLC_1C_2s^3+LC_1s^2+R(C_1+C_2)s+1} Φ(s)=RL2C1C2s4+L2C1s3+RLC2s2+Ls+RLC1s2RLC2s2+Ls=RLC1C2s3+LC1s2+R(C1+C2)s+1RC2s+1

总结

本文总结了自动控制原理中,对系统进行建模的一些内容,包括数学模型、微分方程与传递函数关系、零极点的意义、结构图、梅森增益公式等。对系统进行建模是去分析和设计系统的前提。

参考资料

[1] 胡寿松. 自动控制原理(第六版)[M]. 科学出版社. 2013:21-59.
[2] 混沌的矩阵. 根轨迹法之绘制根轨迹. CSDN:https://blog.csdn.net/NewYorkyan/article/details/122373333
[3] 混沌的矩阵. 拉氏变换. CSDN:https://blog.csdn.net/NewYorkyan/article/details/122194050


http://chatgpt.dhexx.cn/article/DAiBstk4.shtml

相关文章

自动控制原理知识点梳理——1. 自动控制的一般概念 2. 控制系统的数学模型

目录 1. 自动控制的一般概念 1.1知识梳理&逻辑图 2. 控制系统的数学模型 2.1知识梳理&逻辑图 2.2补充内容 2.2.1传递函数的零点和极点 2.2.2典型环节及其传递函数 2.2.3相同的特征多项式和开环传递函数定义 2.2.4由结构图得传递函数 2.2.5拉氏变换知识回顾 1…

第2章-系统控制原理 -> 经典控制理论

第1章-多智能体系统回到目录第2章-系统控制原理 -&#xff1e; 线性系统状态空间 文章目录 2 系统控制原理2.1 经典控制理论2.1.2 连续系统求解定义 2.1 [拉普拉斯变换]定义 2.2 [传递函数 transfer function]定义 2.3 [零点 zeros、极点 poles]例题 2.1 2.1.3 线性离散系统2.1…

【经典控制理论】| 自动控制原理知识点概要(上)

参考资料 胡寿松《自动控制原理》第6版刘豹《现代控制理论》第3版斐润《自动控制原理》哈工大控制学科803考研资料 前言 对于控制工程专业的我来说&#xff0c;经典控制理论是很重要的&#xff0c;因此趁着参加秋招这个档口&#xff0c;顺便复习下学过的控制理论。希望也能对…

DMA控制器原理详解

目录 工作原理 DMA硬件架构 DMA通道的作用 DMA寄存器 DMA出现的目的 工作原理 DMA全拼Direct Memory Access&#xff08;直接内存存取&#xff09;&#xff0c;在传统的CPU存取数据时会先将数据放到缓存寄存器中然后在写入到指定位置 CPU存取数据流程图&#xff1a; CPU…

自动控制原理8.1---非线性控制系统概述

参考书籍&#xff1a;《自动控制原理》(第七版).胡寿松主编. 《自动控制原理PDF版下载》 1.非线性控制系统概述 1.1 研究非线性控制理论的意义 当系统中含有一个或多个具有非线性特性的元件时&#xff0c;该系统称为非线性系统&#xff1b; 随动系统实例说明&#xff1a; …

【经典控制理论】| 自动控制原理知识点概要(下)

参考资料 胡寿松《自动控制原理》第6版刘豹《现代控制理论》第3版斐润《自动控制原理》哈工大控制学科803考研资料 前文 【经典控制理论】| 自动控制原理知识点概要&#xff08;上&#xff09; 6. 线性系统的校正 6.1 综合和校正问题的提出 控制系统的综合和校正问题是在已知…

交流异步电机矢量控制(二)——矢量控制原理

前言&#xff1a;在前面梳理完电机数学模型和坐标变换的知识后&#xff0c;下一步就是对矢量控制系统的建立&#xff0c;矢量控制系统重在于其思想框架的理解以及异步电机独有多种磁场定向方案之间的区别&#xff0c;这两个问题都是值得独立探究的&#xff0c;按照顺序来。 本…

自动控制原理(一)

目录 一阶系统1.数学模型2.单位阶跃响应3.特性分析4.典型实例 二阶系统1.数学模型2.单位阶跃响应3.暂态响应的定量分析指标 高阶系统自动控制系统稳定性参考资料 一阶系统 1.数学模型 系统闭环传递函数入下图: 开环传函&#xff1a;积分环节 闭环传函&#xff1a;惯性环节 …

【知识点总结】自动控制原理(自控)

自动控制原理 总结内容&#xff1a; 内容包括&#xff1a; 控制系统的时域数学模型、控制系统的复数域数学模型、控制系统的结构图与信号流图、梅逊公式 、闭环系统传递函数、线性系统的时域分析法、一阶系统的时域分析、系统时间响应的性能指标、二阶系统的时域分析、线性系统…

通俗易懂的自动控制原理 # 绪论

1 自动控制系统的基本原理 1.1 引入以及定义 诸如&#xff1a;神舟10号发射升空、战斧式巡航导弹、装配机器人、自动泊车系统等其中都应用了自动控制的相关理论和技术。 什么是控制&#xff1f; 控制 - 使某个&#xff08;某些&#xff09;量按一定的规律变化某个&#xff0…

自动控制原理(来自于b站的笔记整理,深入理解自动控制框架)

一、自动控制原理 1 文章目录 一、自动控制原理 [^1]1. 控制原理1.1 开环与闭环系统1.2 稳定性分析[^2]1.3 一起燃烧卡路里/科学减肥&#xff08;系统分析实例_数学建模部分&#xff09;1.4 终值定理与稳态误差[^3]1&#xff09;比例控制2&#xff09;比例积分控制 1.5 根轨迹1…

《自动控制原理》个人笔记(来自ppt课件)

控制的含义 控制&#xff08;CONTROL&#xff09;----某个主体使某个客体按照一定的目的动作。 主体–人&#xff1a;人工控制&#xff1b; 机器&#xff1a;自动控制 客体–指一件物体&#xff0c;一套装置&#xff0c;一个物化过程&#xff0c;一个特定系统。 人工控制与自…

4. 吴恩达深度学习--优化算法

本文主要参考了 严宽 大神的学习笔记&#xff0c;并在其基础上补充了一点内容&#xff0c;点此查看原文。   本文所使用的资料已上传到百度网盘【点击下载】&#xff0c;提取码&#xff1a;hnwl &#xff0c;请在开始之前下载好所需资料。   到目前为止&#xff0c;哦我们始…

吴恩达深度学习课程第二章第三周编程作业(pytorch实现)

文章目录 声明一、问题描述二、编程实现1.加载数据集2.使用mini-batch3.利用pytorch搭建神经网络3.1 利用torch.nn简单封装模型3.2 定义优化算法和损失函数 4.整体代码 声明 本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验&#xff0c;大部分代码是参考了【中文】…

吴恩达深度学习L4W4人脸识别

1、One-shot learning 人脸识别往往每个人只有一张照片&#xff0c;因此不应该用卷积神经网络配合softmax训练。 应该选择学习 Similarity 函数。详细地说&#xff0c;你想要神经网络学习这样一个用&#x1d451;表示的函数&#xff0c;&#x1d451;(&#x1d456;&#x1d45…

吴恩达深度学习Deep Learning课程笔记

1.1 前言 课程安排&#xff1a; 1.神经网络和深度学习 内容&#xff1a;神经网络的基础&#xff0c;如何建立神经网络、深度神经网络、以及如何在数据时训练它们 2.提升深度神经网络 内容&#xff1a;深度学习方面的实践&#xff0c;严密地构建神经网络以及提升其表现&…

吴恩达深度学习第一章第二周编程作业

文章目录 前言一、题目描述。二、相关库三、编程步骤1.数据预处理2.模型的封装3.模型的调用4.结果展示 总结 前言 本人处于初学阶段&#xff0c;编程能力有限&#xff0c;代码的编写参考了网上的大神。 一、题目描述。 我们需要训练得到一个逻辑回归分类器来对图片进行二分类&…

吴恩达深度学习之风格迁移

个人的学习笔记&#xff0c;一直更新中&#xff0c;如有错误&#xff0c;评论区见&#xff0c;冲冲冲&#xff01; 笔记来源&#xff1a;吴恩达深度学习 4.6 什么是神经风格转换&#xff1f;_哔哩哔哩_bilibili 1 输入输出 风格迁移输入&#xff1a;内容&#xff08;Conten…

吴恩达深度学习作业之deepleraning_L1W2_h1

#吴恩达《深度学习》L1W2作业1 知识点&#xff1a;numpy入门&#xff0c;函数向量化实现做完这个作业&#xff0c;你能学会&#xff1a;用ipython notebook 用numpy&#xff0c;包括函数调用及向量矩阵运算 理解“广播”的概念 向量化代码#我们很少在深度学习中使用“math”库。…

吴恩达深度学习编程作业报错解决方法汇总

概述及资源分享 大二结束后的暑假&#xff0c;学习吴恩达深度学习&#xff08;[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili&#xff09;的课程&#xff0c;在做编程作业的时候总是遇到一些报错&#xff0c;尤其是导入所需要的库的时候会报一些No model。。。的…