基于BP神经网络实现小批量物料生产安排

本文以2022年全国大学生数学建模竞赛E题为背景,利用已有历史数据,研究小批量物料生产计划。首先利用模糊综合评价选定数据集,然后结合BP神经网络模型对选定数据集进行预测分析,最后建立生产计划模型实现生产计划合理安排。模型结果表明,预测数据与真实数据的平均绝对误差、均方误差、总方差结果均在合理范围内,且满足平均服务水平大于85%的要求。

基于聚类分析的挡位判别研究

传统的车辆挡位计算方法受车速和发动机转速的影响较大,当车速和发动机转速出现跳变等异常时,则无法得到其对应真实的挡位情况,但挡位的获取又和二者的大小密切相关,所以在沿用车速和发动机转速这两个关键参数的同时,引入了聚类分析方法对其进行建模分析。通过建立的基于密度的二维(车速、发动机转速)聚类分析模型,可以有效区分不同车速、发动机转速下的挡位分布规律,并在此基础上完成异常数据的校正。

基于小波去噪的速度预处理

针对车载终端传回原始数据的预处理问题,本文主要根据含噪声信号的小波分析特性,采用小波阈值法进行去噪处理。在实际问题中,车速数据在时间上具有一定的连续性,且蕴含的高斯白噪声在时间上没有连续性,所以可用小波变换对原始数据信号进行分解,通过阈值处理后重构,达到去噪的目的。经过数值验证,结果表明小波去噪方案可以满足对速度数据进行预处理的要求。