好梦就会趁你睡醒实现

0 引言  最近朋友喊帮忙做一个仿真程序，遂接触了用小波包变换结合神经网络的方法来分析发动机齿轮箱故障类型，查阅了几篇文献后，觉得这种方法很是巧妙，竟然能够分析出齿轮箱哪个部位发生了故障。经过仔细的研读后，成功对文章的内容进行了复现，这里把文章中没有讲到的一些细节做一个分享。1 小波包变换  在分析现实工程中的故障信号时，往往采用傅里叶变换、小波变换或小波包变换来分析。小波变换被认为是傅里叶变换的一次突破，而小波包变换又是小波变换的一次提升。小波包分析能够实现对信号各频段的划分，对低频和高频信号都能分

前言：最近在搞神经网络，看到有用神经网络逼近未建模动态的，也有用神经网络来逼近整个模型的，后者即是无模型控制。无模型控制它不需要知道系统的名义模型，直接用神经网络来逼近整个系统，感觉这个方法还蛮厉害的。鉴于此，我将此方法用在了六关节机械臂的模型上，最后的控制效果还不错。1. 机械臂动力学方程Mq¨+Nq˙+G+f+d=τM\ddot{q}+N\dot{q}+G+f+d=\tau Mq¨​+Nq˙​+G+f+d=τ这里的 fff 为摩擦力，ddd 为外部干扰，τ\tauτ 为关节力矩，动力学建模方法

前言：上周开始学习神经网络，觉得挺有意思，神经网络可以作为控制器来实现对模型的自适应的调节，有种不断学习不断完善自身的感觉。

临近春节没啥事做，突然想起前两年未完成的模糊神经网络，当时是学了一段时间，但是到最后仿真始终不对，最后也不了了之了，趁最近有空，想重新回顾回顾，看看会不会产生新的想法。