文件名称：通过深度学习进行过程识别和PID调整：该程序可以通过使用为研究化学工程的人员设计的深度学习来进行过程识别和PID调整
文件大小：71.26MB
文件格式：ZIP
更新时间：2024-02-25 10:01:51
python deep-learning tensorflow matlab chemical-engineering
通过深度学习进行过程识别和PID调整：该程序可以通过使用为研究化学工程的人员设计的深度学习来进行过程识别和PID调整
【文件预览】：
Process-Identification-and-PID-Tuning-with-Deep-Learning-master
----variable_data_first_limit.m(208B)
----step_response_data_second.m(789B)
----variable_data_second_rand_limit.m(281B)
----DataFirst_Operating_rand_limit.xlsx(191KB)
----DataSecond_Operating_rand_limit_none_extra.xlsx(151KB)
----find_first_order_characteristics.m(315B)
----1st_order_Process_Identification_with_Tuning.ipynb(23KB)
----DataFirst_rand_limit.xlsx(12.64MB)
----RiseTime_data_second.m(1KB)
----second_order_model_RiseTime.m(192B)
----second_order_model.m(192B)
----보고서_중간.docx(2.69MB)
----DataSecond_rand_limit_extra.xlsx(21.44MB)
----2nd_order_Process_Identification_tau_RandomizedSearchCV.ipynb(4.52MB)
----DataSecond_Operating_rand_limit_extra.xlsx(290KB)
----DataSecond_rand_limit_none_extra.xlsx(11.76MB)
----DataSecond_rand_limit.xlsx(21.44MB)
----README.md(2KB)
----2nd_order_Process_Identification_with_Tuning.ipynb(39KB)
----first_order_model.m(138B)
----find_second_order_characteristics.m(400B)
----DataSecond_Operating_rand_limit.xlsx(290KB)
----step_response_data_first.m(599B)