登录社区云，与社区用户共同成长
邀请您加入社区
针对无人水面艇（USV）在海洋环境下自主航行航点跟踪精度低、抗干扰能力不足等问题，提出一种基于模型预测控制（MPC）的无人艇航点跟踪控制方法。该方法避开全局坐标系下位置变量的非线性优化难点，改用艇体本地坐标系下的艏向角与前向速度作为优化核心，简化系统模型与求解过程；设计智能参考轨迹生成算法，结合航位推算与状态估计实现稳定的轨迹参考，并将海洋环境扰动纳入控制框架以提升鲁棒性。
新版本的有源电力滤波器谐波抑制策略模型基于PI+重复控制。该模型采用Simulink进行仿真实现，利用无功补偿和PI+重复控制技术有效抑制了谐波，最终使总谐波畸变率（THD）降低至小于1%。此仿真模型提供了2015和2017两个版本，以方便在不同版本的Matlab上运行。重复控制理论是建立在以内模原理为基础之上的，其本质上是一个反馈控制系统，因为重复控制器中有外部信号的数学模型，因此系统具有很小的
在双碳目标与新型电力系统建设背景下，风电、光伏等新能源大规模并网使得电网整体惯性降低、频率波动加剧，传统以火电为主的调频模式已难以满足系统安全稳定运行要求。本文构建包含风电、光伏、火电、水电、储能系统及电动汽车聚合体的多源联合调频系统，建立各单元一次调频控制模型与基于区域控制偏差的自动发电控制（AGC）二次调频体系，在 Matlab/Simulink 中搭建完整仿真平台。
针对园区微电网中多台电动汽车无序充放电导致的运行成本上升、电网负荷波动等问题，提出一种基于混合整数线性规划的电动汽车独立建模微电网优化调度方法。以 10 辆电动汽车为研究对象，为每台电动汽车构建独立调度模型，精准刻画其个性化出行与充放电特性；整合风电、光伏分布式电源、大电网及园区基础负荷构成微电网主体框架，引入分时电价机制与购售电互斥约束，以园区微电网全周期运行成本最小化为优化目标。
在“双碳”目标导向下，多能互补综合能源系统成为破解能源供需矛盾、推动能源绿色转型的重要路径，其综合价值评估是系统规划、设计与优化的核心前提。针对当前综合能源系统评价维度单一、不同能源形式难以统一量化的问题，本文提出一种基于能值分析理论与经济评估方法相结合的综合价值评估体系，对比分析多能互补供能方案与保守供能方案的综合性能。首先，建立综合能源系统的能量平衡模型，明确系统内各类能源的输入、转化与输出关
目前，大多数高压电网所采用的电力变压器都是传统型的，这种传统变压器工艺简单、安全性较高。然而，传统变压器存在一些明显的缺点，比如体积庞大、重量沉重，使用空间受限制，同时空载损耗也相对较大。在实际运行中，传统电磁变压器容易因过载而导致输出电流下降和产生谐波。此外，传统变压器无法隔离故障电流，一旦负载端发生故障，电流将继续增加，难以控制，可能直接影响负载电流。随着电力电子技术的迅速发展，电力电子变压器
针对综合能源系统中多能流耦合复杂、能量转换效率建模粗糙、优化求解精度不足等问题，提出一种计及能量枢纽精细化建模的源荷储协调优化方法。采用矩阵建模法精准刻画电、热、冷等多类型能源的转换、传输与耦合关系，实现能量枢纽内部设备运行特性与转换效率的量化描述；构建以系统总运行成本最小化为目标的日前调度优化模型，融合购能成本、碳排放惩罚成本与设备运维成本，兼顾系统经济性与低碳性；
自主水下航行器（AUV）作为海洋资源勘探、水下作业的核心装备，轨迹跟踪控制是其实现自主作业的关键技术，直接决定作业精度与可靠性。针对AUV水平面轨迹跟踪需求，本文提出一种基于反步法的控制算法，以圆形与直线组合轨迹为参考，构建高精度、高稳定性的跟踪控制系统。通过Serret-Frenet坐标系建立路径跟踪误差模型，完成惯性系与机器人坐标系间的误差转换，引入虚拟向导与路径参数实现误差闭环控制；结合AU
直线电机作为一种直接将电能转化为直线运动机械能的电磁执行元件，凭借其无中间传动机构、定位精度高、响应速度快、推力密度大等优势，广泛应用于高端装备制造、精密仪器、半导体加工、医疗器械等领域。12槽10极平板型直线电机因极槽配合合理、推力波动小、工艺成熟且成本可控，成为中高端直线驱动场景的优选机型。本文以12槽10极平板型直线电机为研究对象，基于Ansys Electronics Desktop 20
车-电-路网是通过新一代信息与通信技术（如5G、C-V2X等）将车辆、电力系统、道路基础设施及云控平台深度融合形成的协同系统，旨在实现交通与能源系统的安全、高效与智能化运行。车辆及其他交通参与者：通过车载传感器（雷达、摄像头等）和通信模块实时感知环境，并向云控平台提供动态数据（如位置、速度、方向）。路侧基础设施：包括智能信号灯、RSU（路侧单元）、边缘计算设备等，负责采集交通流量、道路状态等数据，
2、线性SVM与Softmax分类器2.1 得分函数（score function）2.1.1 线性分类器2.1.2 理解线性分类器2.2 损失函数2.2.1 多类别支持向量机损失（Multiclass SVM loss）2.2.2 正则化2.3 实际中的考虑点2.3.1 设定Delta2.3.2 关于二元（Binary）支持向量机2.3.3 关于非线性SVM...
github地址一、Haar特征 级联分类器 （CascadeClassifier） AdaBoost强分类器串接级联分类器是将若干个分类器进行连接，从而构成一种多项式级的强分类器。从弱分类器到强分类器的级联（AdaBoost 集成学习 改变训练集）级联分类器使用前要先进行训练，怎么训练？用目标的特征值去训练，对于人脸来说，通常使用Haar特征进行训练。其他还有 LBP特征【1】提出积分图(In
数据挖掘Top 10算法支持向量机线性可分支持向量机函数间隔和集合间隔间隔最大化间隔最大化算法支持向量和间隔边界学习的对偶算法线性可分支持向量机学习算法线性支持向量机和软间隔最大化线性支持向量机学习算法非线性支持向量机和核函数核技巧非线性分类问题核函数定义核技巧在支持向量机中的应用正定核常用核函数非线性支持向量机学习算法附录算法分类参考资料数据挖掘To
应聘数据挖掘工程师或机器学习工程师，面试官经常会考量面试者对SVM的理解。以下是我自己在准备面试过程中，基于个人理解，总结的一些SVM面试常考问题（想到会再更新），如有错漏，请批评指正。（大神请忽视）转载请注明出处：blog.csdn.net/szlcw1
这篇来说说支持向量机，说实在的，这个是我的最爱，一直比较看好这个算法，而且也是花了不少时间在这个上面，下面一起来复习下。 基于统计学习理论的支持向量机算法是现代智能技术中的重要方面，研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。与传统统计学相比，统计学习理论（Statistical Learning Theory，SLT）是一种专门
针对平板间二维稳态对流传热过程的数值求解难题，传统计算流体力学方法存在网格依赖度高、计算成本大等局限，本文提出基于软物理信息神经网络（软 PINN）的数值求解方案。软 PINN 通过松弛物理约束的刚性嵌入模式，在保留传热物理规律核心引导作用的基础上，提升神经网络训练的稳定性与收敛效率。本文以平板间二维稳态对流传热控制方程为物理基础，构建软物理信息神经网络框架，阐述网络结构设计、损失函数构建、约束条
在复杂非线性系统控制领域，单一控制算法往往难以兼顾控制精度、鲁棒性与自适应能力，因此算法融合成为提升控制性能的重要方向。深度确定性策略梯度算法（DDPG）作为强化学习领域中经典的基于策略的算法，其核心优势在于能够适配连续动作空间的决策问题，无需依赖系统精确模型，具备自主探索与学习优化的能力，可通过与环境的实时交互不断调整策略，实现目标优化。
NDO优化SVM回归预测的原理，本质上是将SVM中两个关键超参数（惩罚因子c与核参数g）的选取，转化为一个二维参数空间的优化问题，并用NDO算法替代传统的人工试错或网格搜索。局部开发：借鉴牛顿下山法的思想，利用当前参数组合与历史最优参数组合的性能差异，近似“梯度”方向，引导种群向误差更低（“下坡”）的区域精细搜索，从而快速收敛到高性能参数区域。全局探索：算法初期，通过随机扰动和探索算子，广泛地在c
本文聚焦于永磁同步电机（PMSM）矢量控制中的转速环优化问题，提出采用BP神经网络PI控制器替代传统PI控制。通过理论分析与仿真实验对比，验证了BP神经网络PI控制器在控制性能上的优越性。同时，分析了BP神经网络PI控制存在的不足，并提出了后续优化方向。
变压器作为电力系统的核心枢纽设备，其运行状态直接决定电网的安全性与稳定性，及时、精准的故障诊断是电力系统智能运维的关键环节。传统变压器故障诊断方法（如油色谱三比值法）存在编码缺失、依赖人工经验、诊断准确率低等缺陷，而支持向量机（SVM）因在小样本、非线性分类问题中具备独特优势，被广泛应用于变压器故障诊断领域。但SVM的诊断性能高度依赖惩罚因子（C）和核函数参数（g）的选取，参数配置不合理易导致模型
在时间序列预测领域，支持向量机（SVM）凭借出色的泛化能力和处理非线性问题的优势，被广泛应用于各类时序数据的预测任务。然而，SVM 的预测性能高度依赖于其参数的选择，传统的参数选择方法往往无法找到最优参数组合，导致预测精度受限。麻雀搜索算法（SSA）作为一种新兴的群体智能优化算法，已被尝试用于优化 SVM 的参数。但标准 SSA 在搜索过程中容易出现早熟收敛的问题，使得优化结果陷入局部最优，无法充
本文针对非线性时变被控对象，开展BP-PID、RBF-PID和单神经元自适应优化PID三种控制算法的对比仿真研究。通过构建4-5-3结构的BP神经网络实现PID参数整定，利用RBF网络辨识系统模型并基于雅可比矩阵调整PID参数，采用改进Hebbian规则更新单神经元PID权重。以0.3秒阶跃信号跟踪为测试场景，分析各算法的动态响应特性。仿真结果表明：RBF-PID响应速度最快但存在超调，单神经元P
时间序列预测作为数据分析与智能决策的核心技术之一，广泛应用于金融市场走势预判、电力负荷调度、气象灾害预警、农业土壤墒情监测等多个关键领域。精准的时序预测能够为决策制定提供科学依据，显著提升资源配置效率与风险防控能力。支持向量机（SVM）凭借其基于结构风险最小化原则的独特优势，在处理非线性、小样本时序数据时展现出良好的泛化性能与鲁棒性，成为时序预测领域的主流模型之一。
洪水作为全球发生频率最高、影响范围最广的自然灾害之一，每年造成数以百亿计的经济损失和大量人员伤亡。传统的洪水预警多依赖于水文监测站的实时数据和经验判断，存在预警滞后、覆盖范围有限、精准度不足等问题。本项目旨在通过机器学习技术，整合环境、人为、基础设施、社会经济等多维度数据，构建高精度的洪水概率预测模型。本项目使用的洪水预测数据集为专业气象与地理数据机构整理的结构化数据集，具备以下特征：探索性数据分
随着无人机技术在电力巡检、石油管道监测、交通基础设施检测等领域的广泛应用，三维路径规划成为提升巡检效率与安全性的核心挑战。2025年，基于生物启发式算法的优化方法在解决高维、动态、多约束的三维路径规划问题中展现出显著优势。本文系统梳理了五种最新智能算法（人工蜂鸟算法、多目标海星优化算法、雪雁算法、人工旅鼠算法、粒子群优化算法）在无人机三维路径规划中的创新应用，分析其算法原理、目标函数设计、约束处理
支持向量机
——支持向量机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
腾讯云开发者社区
