基于改进PSO算法的广义预测控制

来源 :计算机应用与软件 | 被引量 : 1次 | 上传用户:sfyuya007
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
广义预测控制的被控对象常常会受到时变、非线性的干扰,同时还会受到外部复杂环境因素的影响,因此在实际运用中,导致参数的精确值不高,同时需要在线进行大量计算。针对这一问题,将改进的PSO算法与广义预测控制算法相结合,综合两者的优点,提高了控制系统的收敛速度和求解精度,增强了鲁棒性。该方法的可行性经仿真得以证明。
其他文献
针对现有支持向量机多类分类算法在分类精度上的不足,提出一种改进的支持向量机决策树多类分类算法。为了最大限度地减少误差积累的影响,该算法利用投影向量的思想作为衡量类分离性的标准,由此构建非平衡决策树,并且在决策树节点处对正负样本选取不同的惩罚因子来处理不平衡数据集的影响,最后引入KNN算法与SVM共同识别数据集。通过在手写体数字识别数据集上的仿真实验,分析比较各种方法,表明该方法能有效提高分类精度。
在开国中将名册中,欧阳文是我军一位卓越的政治工作者。他在土地革命时期参加革命,从红军基层干部做起,担任过宣传员、文书、油印股长、宣传队长、俱乐部主任等职,逐渐成长为
基于反向k近邻的孤立点检测算法能够从全局角度较好地检测孤立点,但是在初始阶段求数据点的k近邻时,基本算法需要O(KN2)次数据点间的距离计算,不适合大数据集。同时参数k值的选取对数据集中孤立点的确定产生很大的影响。为此采用自适应的方法确定参数k值,然后提出一种利用度量空间的三角不等式的快速挖掘算法提前剪枝,减少孤立点检测时数据点之间距离计算的次数。理论分析和实验结果证明了算法的可行性和高效性。
针对昆虫识别率不高的问题,提出一种基于Gabor滤波和类内PCA的昆虫识别方法。首先对经过预处理的昆虫图片按类别进行Gabor滤波,提取Gabor特征,然后利用PCA进行降维,提取特征向量,最后采用k近邻分类方法识别昆虫。实验表明,该方法识别率较高,在15种昆虫图片集上进行测试,识别率达到95%,优于基于PCA的识别方法、基于Gabor滤波和PCA的昆虫识别方法。
推导出筒体纵缝超声探伤缺陷定位计算式中各个参数的数学表达式,并存于程序型个人计算器中,可在缺陷定位中进行快速准确的计算。