目前多步液压支架压力预测大多为单步液压支架压力的累计预测,单步累计次数越多,累计误差就越大,影响预测精度。针对该问题,提出了一种基于长短时记忆(LSTM)-Informer模型的液压支架压力时空多步长预测方法。采用卡尔曼滤波消除液压支架压力数据中的振动噪声后,在工作面端部和中部各选取相邻的5台液压支架压力数据建立2个时空数据集(数据集1和数据集2),并对时空数据进行标准化预处理。将时空数据输入LSTM模型提取时空特征,并将提取的时空特征输入Informer模型的编码器,经过位置编码后利用多头概率稀疏自注意力来关注压力序列的变化特征,经过最大池化和一维卷积消除最终输出特征图的冗余组合。利用多头概率稀疏自注意力来关注压力序列的变化特征,将Informer模型的解码器改为全连接层,得到液压支架压力的预测结果。实验结果表明与基于门控...

引言 在简单的单片机应用系统中，前／后台系统被广泛应用。其中应用程序是一个无限循环，循环中调用相应的函数完成相应的操作。这部分可以看作后台行为，也称为任务级；中断服务程序处理异步事件，可以看作前台，也叫中断级，时间相关性很强的操作靠中断服务程序来保证。中断服务程序提供的信息一直要等到后台程序运行到该处理这个信息时才能得到处理，最坏情况下，响应时间等于整个循环的执行时间。随着单片机应用系统的复杂化，前／后台系统已不能满足系统实时性的要求，这就需要一个嵌入式的实时操作系统来管理和协调多个任务和中断。