一种改进的GPC算法在网络控制系统中的应用

首先对传统的GPC算法进行理论推导和分析,然后针对传统GPC控制算法在大延迟过程中无法快速跟随参考轨迹的问题,提出了一种基于最小方差控制的广义预测控制,并以网络控制系统为控制对象,用MATLAB对其进行仿真分析,结果表明改进的广义预测控制算法能很好地跟踪系统轨迹,获得了良好的效果。     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

基于蚁群算法的矿井救援最短路径研究

针对羊场煤矿,选取巷道节点,根据节点坐标,计算巷道实际长度和当量长度,构建当量长度邻接矩阵,基于蚁群算法和MATLAB仿真平台,得到救援最短路径及距离,并对结果进行优化,确保救援工作遍历所有巷道,给出了实际可行的救援方案,为今后的救援工作提供理论指导。     

面向大学生心理问题分析的数据挖掘应用

当前已经进入大数据时代,数据挖掘是在大量的数据中提取有用的有价值的知识。本文结合高校学生心理测试产生的数据,采用ID3算法构造决策树分析预测大学生心理健康状况,为学校的心理辅导工作提供参考依据。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。     

基于PCA-GWO-SVM的矿山边坡变形预测

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。     

基于GAPSO算法的转台齿轮传动多目标优化研究

针对某航空发动机叶片五轴加工机床转台传动系统多目标优化设计问题,以五轴加工机床转台的齿轮总体积和总重合度建立了目标函数,在齿轮的接触应力和弯曲应力为约束条件下建立了优化数学模型。提出了结合PSO算法与GA算法各自优点的GAPSO方法,利用GAPSO算法既有GA算法的强大全局搜索能力又有PSO算法的快速收敛能力的特点,求解了转台齿轮传动系统的多目标优化数学模型,并分别使用PSO算法、GA算法对数学模型进行了寻优求解,最后将3种算法的结果进行了对比分析。研究结果表明:相比PSO算法与GA算法,GAPSO算法的优化效果最佳,转台的齿轮传动系统体积减少27.26%,重合度增加8.10%;优化目标实现了转台的轻量化与提高传动平稳性的目的,为转台的齿轮传动系统的多目标优化设计提供了理论依据。