If a set of fixed PID gains is chose

If a set of fixed PID gains is chosen as being typical, then all PID gains included in the initial information vectors may be equal. Expressed numerically, that is, K(1) = K(2) = ··· = K(N). In the DD-PID method, PID gains of a PID controller are adjusted in an online manor by executing the next 2 steps based on the initial database. [STEP 1] Calculate Distance and Select Neighbors: A distance between query (which is information vector that indicates current system state) ¯ φ(t) and information vector ¯ φ(j) in a database is calculated by the following L 1 norm with some weights:
d(¯ φ(t), ¯ φ(j)) =
ny+nu+1 X l=1    
¯ φl(t) − ¯ φl(j) max ¯ φl(m) − min ¯ φl(m)    
, (8)
j = 1,...,N.
In (8), ¯ φl(j) expresses a l-th element in the j-th dataset, and ¯ φl(t) expresses a l-th element in the query at t[step]. Moreover, max ¯ φl(m) and min ¯ φl(m) indicate a maximum value and minimum value of all l-th elements of datasets in a database. In this method, k-pieces datasets with the smallest distances among them are chosen as neighbor datasets. Where, k is set by a user. [STEP 2] Compute PID Gains: From the selected k-pieces neighbor datasets, suitable set of PID gains at t[step] are computed by the following equation:
K(t) =
k X i=1
wiK(i),
k X i=1
wi = 1, (9)

ผลลัพธ์ (ไทย) 1:

เลือกชุดของ fixed PID กำไรเป็นปกติ การ PID กำไรทั้งหมดที่รวมอยู่ในเวกเตอร์ข้อมูลเริ่มต้นอาจจะเท่ากัน แสดงตัวเลข คือ K(1) = K(2) =··· = K(N) ในวิธี DD PID, PID กำไรของตัวควบคุม PID ถูกปรับในคฤหาสน์ออนไลน์ โดยดำเนินการขั้นตอน 2 ต่อไปตามฐานข้อมูลเริ่มต้น [ขั้นตอน 1] คำนวณระยะทางและเลือกเพื่อนบ้าน: ระยะห่างระหว่างแบบสอบถาม (ซึ่งเป็นเวกเตอร์ข้อมูลที่บ่งชี้สถานะระบบปัจจุบัน) คำนวณ โดยปกติ L 1 ต่อกับน้ำหนักบางชื่อ φ(t) และข้อมูลแบบเวกเตอร์ชื่อ φ(j) ในฐานข้อมูล:d (ชื่อ φ(t), φ(j)) ชื่อ =ny + นู + 1 X l = 1 ชื่อ φl(t) −ชื่อ φl(j) ชื่อสูงสุด φl(m) −นาทีชื่อ φl(m) , (8)j = 1,..., n(8), φl(j) ชื่อแสดงองค์ประกอบในชุดข้อมูล j-th l th อยู่ และชื่อ φl(t) แสดงองค์ประกอบ l th ในแบบสอบถามที่ t [ขั้นตอน] นอกจากนี้ สูงสุดชื่อ φl(m) และ φl(m) ชื่อนาทีแสดงค่าสูงสุดและค่าต่ำสุดของ l-th องค์ประกอบทั้งหมดของชุดข้อมูลในฐานข้อมูล ในวิธีนี้ datasets k ชิ้น มีระยะทางที่น้อยที่สุดในหมู่พวกเขาจะเลือกเป็นชุดข้อมูลของเพื่อนบ้าน ที่ k ถูกตั้งค่า โดยผู้ใช้ [ขั้นตอน 2] คำนวณกำไร PID: จากเพื่อนบ้าน datasets เลือก k-ชิ้น กำไร PID ที่ t [ขั้นตอน] ชุดเหมาะจะคำนวณ โดยสมการต่อไปนี้:K(t) =k X ฉัน = 1wiK(i)k X ฉัน = 1wi = 1, (9)

ผลลัพธ์ (ไทย) 2:

ถ้าชุดของกำไร Fi PID คงได้รับการแต่งตั้งเป็นปกติแล้วทั้งหมดกำไร PID รวมอยู่ในเวกเตอร์ข้อมูลเบื้องต้นอาจจะเท่ากัน แสดงตัวเลข, ที่อยู่, K (1) = K (2) = = ··· K (N) ในวิธีการ DD-PID กำไร PID ของตัวควบคุม PID จะถูกปรับในคฤหาสน์ออนไลน์โดยการดำเนินการต่อไปขั้นตอนที่ 2 ขึ้นอยู่กับฐานข้อมูลเบื้องต้น [ขั้นตอนที่ 1] คำนวณระยะทางและเลือกเพื่อนบ้าน: เป็นระยะห่างระหว่างแบบสอบถาม (ซึ่งเป็นเวกเตอร์ข้อมูลที่บ่งชี้สถานะของระบบปัจจุบัน) ¯φ (T) และเวกเตอร์ข้อมูล¯φ (ญ) ในฐานข้อมูลคำนวณโดยการดังต่อไปนี้ 1 ลิตรบรรทัดฐานกับ บางน้ำหนัก:
D (¯φ (t) ¯φ (ญ)) =
NY + nu + 1 X L = 1    
¯φl (T) - ¯φl (ญ) สูงสุด¯φl (M) - นาที¯φl (m )    
, (8)
J = 1, ... , N.
ใน (8) ¯φl (ญ) เป็นการแสดงออกถึงองค์ประกอบ L-TH ในชุดข้อมูลที่ j และ¯φl (T) เป็นการแสดงออกถึงองค์ประกอบ L-TH ในแบบสอบถามที่ที [ขั้นตอน] นอกจากนี้แม็กซ์¯φl (M) และต่ำสุด¯φl (M) บ่งบอกถึงความคุ้มค่าสูงสุดและค่าต่ำสุดของทุกองค์ประกอบของ L-TH ชุดข้อมูลในฐานข้อมูล ในวิธีการนี้ชุดข้อมูล K-ชิ้นด้วยระยะทางที่มีขนาดเล็กที่สุดในหมู่พวกเขาได้รับการแต่งตั้งเป็นชุดข้อมูลเพื่อนบ้าน ที่ K ถูกกำหนดโดยผู้ใช้ [ขั้นตอนที่ 2] Compute PID กําไร: จากเลือก K-ชิ้นชุดข้อมูลเพื่อนบ้านชุดที่เหมาะสมของกำไร PID ที่ t [ขั้นตอน] คำนวณโดยสมการต่อไปนี้:
K (T) =
k X i = 1
Wik (i),
K X i = 1
Wi = 1 (9)

ผลลัพธ์ (ไทย) 3:

ถ้าชุดจึงได้รับเลือกให้เป็น xed PID เป็นปกติแล้วทุกไอดีได้รับรวมในเวกเตอร์ข้อมูลเริ่มต้นอาจจะเท่ากัน แสดงด้วยตัวเลขที่เป็น K ( 1 ) = K ( , 2 ) = ··· = k ( N ) ในวิธีการ dd-pid กำไรของตัวควบคุมแบบพีไอดี , ปรับใน Manor ออนไลน์โดยดำเนินการต่อไปขั้นตอนที่ 2 ใช้ฐานข้อมูลเบื้องต้น [ 1 ] คำนวณระยะทางและเลือกเพื่อนบ้าน : ระยะห่างระหว่างแบบสอบถาม ( ซึ่งเป็นข้อมูลที่บ่งชี้สถานะของระบบปัจจุบันเวกเตอร์¯φ ) ( t ) และข้อมูลเวกเตอร์¯φ ( J ) ในฐานข้อมูลจะถูกคำนวณ โดยชั้น 1 แบบมีน้ำหนัก ดังนี้D ( ¯φ ( T ) , ¯φ ( ญ ) ) =NY + นู + 1 x L = 1¯φ L ( T ) −¯φ L ( J ) แม็กซ์¯φ L ( M ) −มิน¯φ L ( M )( 8 )j = 1 , . . . )( 8 ) ¯φ L ( J ) แสดง l-th องค์ประกอบใน j-th DataSet และ¯φ L ( T ) แสดง l-th องค์ประกอบในแบบสอบถามในขั้นตอน T [ ] นอกจากนี้ แม็กซ์¯φ L ( M ) และมิน¯φ L ( M ) ระบุค่าสูงสุด และค่าต่ำสุดของ l-th องค์ประกอบของข้อมูลในฐานข้อมูล ในวิธีการนี้ k-pieces ข้อมูลกับระยะทางที่เล็กที่สุดในหมู่พวกเขาจะถูกเลือกเป็นข้อมูลเพื่อนบ้าน ที่ K คือตั้งค่าโดยผู้ใช้ [ ขั้นที่ 2 ] คำนวณ PID ไร : จากที่เลือก k-pieces เพื่อนบ้านข้อมูล ตั้งค่า PID ที่เหมาะสมจากขั้นตอน T [ ] จะคำนวณโดยสมการต่อไปนี้K ( t ) =K x = 1วิก ( ฉัน )K x = 1วี = 1 , ( 9 )