【一种增强型RBF-PID自整定控制器的开发】比例积分微分控制，简称PID控制，是最早发展起来的控制策略之一，已在供热系统中得到了广泛的应用。为了提高PID控制的精度和鲁棒性，有研究人员提出了径向基函数神经网络的自整定PID控制器(RBF-PID)。本文开发并报告了一种增强的径向基函数神经网络的自整定PID (e-RBF-PID)控制器，以实现更高的节能控制，并通过对水加热系统的实验，验证了该控制器的优越性。实验结果表明，所研制的e-RBF-PID控制器稳定时间短、能耗低、控制精度高。相关研究论文已发表在《Journal of Building Construction and Planning Research》上。DOI: 10.4236/jbcpr.2021.94017

https://t.cn/A6xcSPwm

#论文# #PID控制# #供热系统#

几篇论文实现代码：
《One Loss for All: Deep Hashing with a Single Cosine Similarity based Learning Objective》(NeurIPS 2021) GitHub:https:// github.com/kamwoh/orthohash
《MultiModalQA: Complex Question Answering over Text, Tables and Images》(ICLR 2021) GitHub:https:// github.com/allenai/multimodalqa
《MuVER: Improving First-Stage Entity Retrieval with Multi-View Entity Representations》(EMNLP 2021) GitHub:https:// github.com/Alibaba-NLP/MuVER
《An Evaluation Dataset and Strategy for Building Robust Multi-turn Response Selection Model》(EMNLP 2021) GitHub:https:// github.com/kakaoenterprise/KorAdvMRSTestData
《WarpedGANSpace: Finding non-linear RBF paths in GAN latent space》(ICCV 2021) GitHub:https:// github.com/chi0tzp/WarpedGANSpace [fig1]
《Learning a family of motor skills from a single motion clip》(SIGGRAPH 2021) GitHub:https:// github.com/snumrl/ParameterizedMotion
《BundleTrack: 6D Pose Tracking for Novel Objects without Instance or Category-Level 3D Models》(IROS 2021) GitHub:https:// github.com/wenbowen123/BundleTrack [fig2]
《Catch-A-Waveform: Learning to Generate Audio from a Single Short Example》(2021) GitHub:https:// github.com/galgreshler/Catch-A-Waveform [fig3]
《Localizing Objects with Self-Supervised Transformers and no Labels》(2021) GitHub:https:// github.com/valeoai/LOST

基于Harris-Hawks和粒子群优化算法的优化随机森林模型对圆锥贯入试验桩架参数的评价
代码SC20210064土木工程，状态准备提交
采用基于蚱蜢优化算法的优化随机森林模型，通过圆锥贯入试验估算桩架参数
代码SC202100621：土木工程，状态准备提交
基于混合SVR、RBF和MLP方法的灰狼优化算法用于含外加剂混凝土抗压强度预测
代码SC202100441：土木工程，状态准备提交
基于Harris Hawks和Whale优化算法的超参数优化随机森林模型的圆锥贯入试验桩立参数预测
代码SC20210035土木工程，状态准备提交 https://t.cn/z8WyXV8