单区域负荷频率控制模型，时间乘误差绝对积分ITAE目标函数，GWO算法

GA/T496-2014闯红灯自动记录系统通用技术条件

STM32F1_速度PID单闭环控制例程标准库版本_位置式PID(L298N驱动) 直流有刷电位置式PID源代码（标准库版本）

构建strut2+spring3+hibernate4所需包,打包资源可以在我账号里找

为了解决矿井涌水量预测难题,在Grid-Search_PSO优化SVM参数的基础上,采用SVM非线性回归预测法,对大海则煤矿1999~2008年7月份的矿井涌水量进行了预测。分析对比SVM回归预测法和ARIMA时间序列预测法预测结果的数据误差,发现SVM回归法预测值与实测值之间的偏差比ARIMA时间序列法要小很多。可见在影响矿井涌水量各种因素值具备的情况下,SVM非线性回归预测所建立的模型能够更准确地预测矿井的涌水量,在矿井安全生产中具有很大的应用价值。

通过CODESYS的ST语言建立离散PID模型，结合离散PID的理论分析，验证了PID调节的三个参数的对调整过程及结果的影响和作用。 当然本文所建立的PID模型过于理想，没有干扰，没有测量误差，因此跟现场环境存在很大的差异，对于PID调节，仅能提供一点理论参考。 本文所使用的codesys版本为3.5.14.10，参考博客地址 离散PID理论分析 https://blog.csdn.net/qq_19979629/article/details/123380138 离散PID模型仿真 https://blog.csdn.net/qq_19979629/article/details/123451333

为了提高企业信用风险评估准确率，提出了基于PSO-BP集成的企业信用风险评估模型。使用Bagging抽样技术获得足够多不同的训练数据集，用不同的训练集子集训练得到不同的PSO-BP组合成员分类器，最后通过多数投票准则整合不同组合成员分类器的分类结果。分别在包含了国内外公司的详细数据的数据集上证明了模型的有效性。

为了对煤炭企业物流成本进行有效的预测,首先分析了煤炭企业物流成本的影响因素,然后分别采用PSO-BP网络和BP网络对煤炭企业物流成本进行了预测,并对试验结果进行了对比分析,结果表明,PSO算法优化的BP神经网络,其收敛速度和预测精度都明显高于传统的BP网络。PSO-BP方法对煤炭企业物流成本的预测具有一定的参考价值和指导意义。

以非线性预测评价为基础,采用BP神经网络模型,利用遗传算法优化网络初始权值和阈值,建立一个新的煤矿底板突水危险性预测的网络模型,通过收集不同突水矿井的资料,综合考虑多种影响底板突水的因素。运用Matlab编程对网络原始数据进行训练,并对不同工作面底板是否突水及突水量进行预测分析,结果表明,该模型收敛速度快、预测精确度高,且具有较强的泛化能力。

粒子群优化极限学习机的参数。最佳粒子位置即为最优输入权值和隐层阈值。自己跑过的，放数据匹配一下就可以用