搜索资源列表
PS0
- nds roms pso补丁-nds roms pso patch
PS0-SVR
- ：针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的 支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三 个参数 ，c， 能否取到最优值，采用粒子群优化(PSO)算法实现对参数 ，c， 的同时寻优。在 此基础上，以饲料用 ．甘露聚糖酶为对象，建立了基于PSO—SVR的发酵过程产物浓度状态预估 模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力，可实现对
dsad
- ：智能算法如粒子群算法已被应用于PID控制器的参数优化，以弥补传统优化方法容易产生振荡和较大超调量 的不足，但是粒子群算法存在易于早熟的缺点，在分析量子粒子群算法的基础上，提出了使用量子粒子群算法优化PID控 制器的参数。为了兼顾控制系统的各项性能指标，根据控制器的实际要求对各项指标进行加权作为算法的目标函数，对 PID控制器进行多目标寻优。通过2个传递函数实例，分别使用z—N、粒子群算法和量子粒子群算法进行了PID控制器
gfsdgfsds
- ：文中提出一种改进的Pso优化算法，并将该算法应 用于水轮发电机组PID调速器参数的优化设计，以水轮发 电机组转速偏差的ITAE指标作为改进PsO优化算法的适应 度函数。以我国某水电站的真实数据对经过优化后的PID 拄制规律进行计算机仿真。仿真结果表明利用改进Ps0优 化算法优化的PID控制规律能有效改善孤网运行条件下水 轮机调节系统过渡过程的动态性能。-An improved PSO algo—fhm wa‘p
PS0-SVR
- 支持向量机是建立在统计学习理论基础上的通用学习方法,它可较好地解决以往 很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题。笔者利用支持向量回归理论 和方法,建立支持向量机的预测模型,并利用winSVM 和MATLAB 软件进行了实例预测,与二次回归 预测值相比较,支持向量机预测模型具有更好的预测精度,且有很强的推广能力。-Support vector regression data
PS0-TSP
- 多目标问题，粒子群优化算法，解决单旅行商问题-Multi-objective problem, particle swarm optimization algorithm to solve the traveling salesman problem alone