基于随机抽样参数辨识的动力锂电池组仿真模型构建

为解决多电芯电池组建模过程中电池参数辨识大量耗时的问题,根据电池组中各单体电池参数呈正态分布的特点,提出一种基于统计学方法和最小电动势的复合电池组建模方法.该方法首先随机抽取电池组中部分单体作为样本,利用脉冲充放电实验和最小二乘辨识方法对样本电池进行参数辨识;然后以样本电池参数的平均值和方差代表电池组的参数特征进行电池组模型构建;最后基于Simulink平台进行计算机仿真实验,并对比实际充放电实验数据.结果表明,两者的端电压误差在0.05 V以内,相对误差1.5%,验证了所提方法的有效性.     

基于改进新陈代谢GM(1,1)模型对钢管混凝土拱桥涂膜腐蚀预测

目的提出改进新陈代谢GM(1,1)模型,提高预测钢结构使用寿命的精度.方法在全序列的基础上,置入一个由传统GM(1,1)模型得到新数据,去除一个旧的数据,建立既保证了原来的维数,而又不影响整个信息发展趋势的改进新陈代谢GM(1,1)模型.利用改进新陈代谢GM(1,1)模型对已经用传统GM(1,1)模型预测钢管混凝土拱桥涂膜腐蚀的实际工况进行重新预测,验证所提出的改进新陈代谢GM(1,1)模型在涂膜腐蚀预测中应用的可行性、有效性及预测所提高的精度.结果改进新陈代谢GM(1,1)模型的均值方差比值C为0.132 9,比传统GM(1,1)模型的均值方差比值C的值0.172 1小,改进新陈代谢GM(1,1)模型的精度比传统GM(1,1)模型的预测效果好;改进新陈代谢GM(1,1)模型的平均相对误差为3.20%,传统GM(1,1)为4.01%,提高了预测精度.结论改进新陈代谢GM(1,1)模型既保证了传统GM(1,1)模型的维数,而又不影响整个信息的发展趋势,改进新陈代谢GM(1,1)模型更合理,适用于中长期预测.     

回归法在实时混合模拟数值子结构不确定性分析中的应用

为了分析实时混合模拟试验数值子结构不确定性对试验的影响,采用多项式混沌展开建立不同时滞情况下数值子结构不确定参数与位移最大值的代替模型.多项式混沌展开的系数采用回归法计算,并基于模型误差对多项式混沌模型进行评价.模拟结果表明,时滞和不确定性参数均方差越大,位移最大值的均值和方差越大.当不确定性参数均方差为均值的0.05、0.10和0.20倍时,模型误差的变化范围分别为0.002%～0.02%、0.02%～0.4%和0.5%～5%,说明基于多项式混沌展开的实时混合模拟数值子结构不确定性分析精度受不确定性参数方差的影响.     

改进的城市公交循环工况开发方法

提出了一种改进城市公交循环工况的开发方法.根据车流量在主要商业区、工业区与居民区之间选择测试线路进行数据采集,以公交各站点间的行程作为短行程,根据工况时间比例由短行程构建城市公交循环工况,用参数均值方差选择典型城市公交循环工况.以大连城市公交为例,验证了改进的城市公交循环工况开发方法的有效性,以及应用该方法合成的大连城市公交循环工况的真实性.为开发适合城市公交特点的电动汽车,及其污染物排放量和燃油消耗量的测量提供了设计依据.     

组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法

为客观描述城市环卫车的实际行驶特征,基于3辆市政环卫车连续一周实际道路行驶数据,提出一种组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法. 首先对特征参数矩阵做均值化处理,增强参数降维后每一个主成分中所包含的特征参数信息;其次利用k均值聚类将不同运行特征的运动学片段划分到不同类的样本集内,以马尔科夫链法在每一类样本集中做状态预测,按时间比例合成代表工况. 最后,基于运动学参数对所构建的代表工况进行有效性检验. 结果表明,所构建的福州市环卫车辆行驶工况相较于C-WTVC国家标准工况,能更客观地反映福州市环卫车辆的实际运行情况.     

基于主成分分析和优化聚类算法的行驶工况研究

针对模糊C均值聚类算法容易陷入局部最优以及传统的主成分分析法没有完全体现出用数量较少的综合指标来代替多个指标的问题,提出了一种改进的主成分分析和利用遗传模拟退火算法优化后的模糊C均值聚类算法相结合的聚类算法(GSA-FCM),从而构建汽车行驶工况图:首先,利用改进的主成分分析法对特征参数矩阵进行处理;然后,采用GSA-FCM聚类算法对运动学片段进行聚类;最后,选择合适的片段合成最终工况图. 并且,对GSA-FCM聚类、传统的K均值聚类的合成工况与实际工况中的特征参数进行有效性验证,与NEDC标准测试工况进行比对. 实验结果表明:GSA-FCM聚类合成工况与实际工况的特征参数的平均相对误差为6.46%,说明GSA-FCM聚类算法的聚类效果明显、误差小,所合成的行驶工况可以代表该城市的汽车行驶状况.     

一类污水处理过程水质多模型在线软测量方法

根据污水处理厂入水水质的特征参数进行工况区域分析,基于多模型方法建立了多工况下的水质软测量模型.其中局部模型由Hammerstein模型描述,采用误差反传类稳定学习算法学习非线性增益的多层感知器,采用递推最小二乘法学习线性部分ARX模型参数,根据样本与聚类中心之间的相近度在线修正聚类中心,基于软切换的多模型建模思路提出了出水水质COD的软测量方法.实验结果表明,在线修正聚类中心可反映工况点的动态变化;与实际运行数据进行了对比验证,表明多模型软测量方法具有较高的精度.     

基于核均值漂移聚类的改进局部协同训练算法

【目的】针对协同训练算法不能直接应用于单视图数据，且在迭代过程中加入的无标记样本隐含有用信息不够的问题，提出基于核均值漂移聚类的改进局部协同训练算法。【方法】该算法先在有标记样本集中利用改进局部协同训练算法训练一个完整视图分类器h1，同时挑选出价值高的特征子集来训练局部视图分类器h2，然后在无标记样本集中采用核均值漂移算法选择聚类过程中指定带宽范围内的样本，交由分类器h2标记类别后再加入分类器h1的训练中，以此来优化分类模型。【结果】在UCI数据集上的3组对比实验证明了该算法的有效性，实验结果表明该算法具有更高的模型评价能力。【结论】改进局部协同训练算法将数据集划分为局部视图和完整视图，解决了单视图数据的视图划分问题。利用核均值漂移算法选出较好表现数据空间结构的无标记样本，降低了无标记样本带来的误差。     

基本指数-最小下半方差投资组合优化研究

为了克服方差作为风险度量无法区分收益和损失的局限性,同时弥补经典均值-方差模型忽略了企业基本面状况的缺陷,该文结合下半方差和基本指数的优点,分别考虑1-、2-范数交易成本,构建了基于期望效用最大化的基本指数-最小下半方差投资组合模型(简称“FI-semiv模型”),并运用不等式组的旋转算法进行求解. 文章通过“滚动窗口”的方法,对FI-semiv模型进行了样本外检验与分析,并进一步将该模型与最小方差模型、最小下半方差模型和等比例投资模型的夏普比率进行对比. 结果表明:基于FI-semiv模型构建的投资组合的夏普比率得到了有效提高,FI-semiv投资组合的风险更小,投资效率更高.     

C11集装箱船参数横摇运动极值响应分析

基于窄带随机过程理论和Hermite变换法,本文提出了一种预测船舶参数横摇极值响应的新方法.以C11集装箱船为例,预测了其随机参数横摇极值响应的均值.将该结果与基于Monte Carlo法的数值结果对比,误差小于1%,证明了本文方法的正确性.同时,本文方法使用20条时间历程样本的预测精度与Monte Carlo法使用10~4条时间历程样本的预测精度相同,由此可以证明本文方法的高效性.本文还利用传统Gumbel模型对C11船参数横摇极值响应进行了预测.通过比较可以发现传统Gumbel模型的极值预测误差很大,证明传统Gumbel模型不适用于参数横摇这类非线性较强的运动极值预测.但是,即使利用新方法预测极值,也和模型试验结果之间存在一定的偏差.通过分析认为,这种预测误差是由于忽略了极大值之间的相关性导致的.     

基于嵌入式的智能电气节能控制研究

对嵌入式系统进行电气节能控制具有重要的应用价值。利用传统算法进行嵌入式系统的电气节能控制过程中,无法根据嵌入式操作系统中的工作属性确定嵌入式系统工作过程中物理进程时间的精确值,降低了嵌入式系统的运行效率。提出一种基于模糊神经网络算法的嵌入式系统的智能电气节能控制方法,根据嵌入式系统中的电量与时间的非线性关系,建立嵌入式的智能电气节能控制模型。在模糊神经网络中,通过电压调节的时间误差和误差变化率这两个输入变量,能够得到电气节能控制的优化策略,最终获得电气控制最优解。实验结果表明,利用改进算法进行嵌入式系统的电气节能控制,能够极大提高嵌入式系统的运行效率,降低了电量损耗,效果令人满意。     

基于DRNN-LSTM-IPSO的锅炉经济运行优化目标值

锅炉作为火电厂的重要设备,提高其运行经济性直接影响电厂的生产效益,而锅炉运行参数优化目标值的合理确定是保障锅炉经济运行的关键。首先提出改进的高斯混合模型算法应用于工况划分,即通过划分数据的分散度作为依据并基于马氏距离来构建评价准则函数,以确定聚类数;其次通过构建具备长短时记忆功能的深度循环神经网络(deep recurrent neural network with long-short term memory, DRNN-LSTM)建立各工况区间下的经济模型;最后在经济模型构建的基础上,针对传统粒子群算法容易陷入局部极值问题,通过对惯性权重和加速因子进行调整得到改进的粒子群算法(improved particle swarm optimization, IPSO),可更加精准地在不同工况下进行区间范围内寻优,确定运行参数的优化目标值。实验结果表明,采用本文方法确定的优化目标值对应供电煤耗优于历史最优运行值,说明了该方法在挖掘锅炉优化运行潜力上具有一定的优势,按此方案调整锅炉运行可有效降低能耗水平,以达到锅炉经济运行的目的。     

燃料电池车用离心叶轮型线参数化及多工况优化

以65kW燃料电池动力系统的高速无油润滑离心空压机为优化对象,采用Bezier曲线对其叶片型线进行参数化解析,依据超拉丁抽样方法获得遗传算法优化所需的样本空间,在此基础上建立Kigring近似模型进行多工况优化.寻优及CFD(计算流体动力学)数值计算结果显示,常用工况点和额定工况点等熵效率及压比均得到提高,且常用工况点改善更为显著.这表明传统内燃机车用离心增压器设计及优化时不能兼顾多工况性能结论不适用燃料电池汽车,叶轮性能空气动力学解析同样证实该结论具有理论基础.与基于叶轮几何参数的优化结果对比显示,基于叶片型线参数化的优化可以更加显著地改善离心空压机性能,是一种更加全面和有效的离心叶轮优化方法.     

离心式无堵塞泵不等扬程的优化设计与试验

为了使离心式无堵塞泵满足多工况运行的要求,采用不等扬程水力设计方法对模型泵100QW110-16-7.5的叶轮进行优化设计,并结合计算流体力学数值模拟技术分析由原始方案和新方案所得叶轮的内部流场分布,同时,在模拟的基础上对模型样机进行了性能测试.结果表明:采用新方案所得叶轮对流体做功更充分,其流线在不同工况下的分布更均匀、流畅,能够改善泵内流体的流动状况;由新方案所得模型泵在额定流量下的扬程为16.89m,效率为83.11%,已达到节能级离心式清水泵的产品性能要求,在小流量工况下无马鞍区、振动较小,大流量下高效率区的范围较宽,处于0.8q~1.3q且其无堵塞性能优于原始方案;由新方案所得模型泵性能的预测曲线与试验结果基本吻合,最大误差为7.56%.     

PTA废水的沉降模型分析、验证与应用

在精对苯二甲酸(PTA)废水沉降预处理过程中,对苯二甲酸(TA)悬浮颗粒的沉降模型是沉降装备设计和操作条件优化的技术基础.根据PTA废水中TA颗粒沉降的行为属性,在Stokes经典沉降理论基础上,结合实际废水的参数计算、推演,获得了PTA废水静沉降模型:ut=0.537 4d2p (ρp -ρ)/μ.采用重力沉降法实际试验进行验证,结果表明:模型计算结果与实际试验结果的误差在9％以内.将模型应用于实际的重力沉降试验中,建立了水力流速工艺条件与固体分离度操作目标之间的关联关系,为提升PTA废水沉降预处理生产装置的分离效率提供了技术依据.     

神经网络与遗传算法结合的球团竖炉燃烧优化

对神经网络与遗传算法结合的球团竖炉燃烧优化方法进行了研究.首先构建了以矿料成分及含水率、相关操作参数以及燃烧室和炉膛温度等16个参数作为输入量,球团竖炉煤气吨耗和NOx污染物排放浓度作为输出量的人工神经网络模型.采用700组现场运行数据作为样本对神经网络进行训练,训练后的模型具有良好的泛化能力和预测精度,煤气吨耗预测误差低于3％且NOx排放浓度的相对误差在5％以内.此外,结合所建模型,采用实数编码的遗传算法,对球团竖炉燃烧进行优化计算,在寻优过程中对煤气吨耗及NOx排放这2个优化分量采用线性加权和的方法转化为单一数值的目标函数.通过选择不同的权重比例得出不同侧重条件下的优化目标函数,并给出该优化函数下寻优所得的操作参量优化控制方案.由所选优化方案数值解可以看出在煤气吨耗上升1.7％的情况下,NOx的排放浓度下降了20.37％.     

硬件增强角速率圆锥优化算法的姿态解算精度分析及改进

在分析传统硬件增强角速率圆锥优化算法姿态解算精度的基础上,提出了一种改进的算法,对传统算法中的周期分量进行了二次优化.首先通过分析传统算法的各轴分量相对于旋转矢量变化量的真值以及理想值的误差来确定算法的姿态解算精度,然后根据经典圆锥运动建立二次优化的误差准则并推导了相应的二次优化系数,最后在不同的经典圆锥运动环境下对传统算法以及改进算法的姿态解算精度进行仿真对比.结果表明,对传统算法的姿态解算精度的分析是正确合理的,而且只需采用改进的三子样算法就可以获得与根据理想值得到的结果几乎完全一致的姿态解算精度.     

基于量子粒子群优化的网络拥塞控制新策略

为了改善网络拥塞控制系统的性能,基于流体流理论的网络简化模型,将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化.定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中.仿真结果表明,在大时滞和突发业务流的冲击2种情况下,该方法设计的控制器的动静态性能优于RED,PI算法,也优于GA,SPSO算法的优化结果,超调量均小于4%,调节时间均小于4s,稳态误差均小于2个数据包.     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

Optimal Operation of Energy Internet Based on User Electricity Anxiety and Chaotic Spatial Variation Particle Swarm Optimization

Ignoring load characteristics and not considering user feeling with regard to the optimal operation of Energy Internet(EI) results in a large error in optimization. Thus, results are not consistent with the actual operating conditions. To solve these problems, this paper proposes an optimization method based on user Electricity Anxiety(EA) and Chaotic Space Variation Particle Swarm Optimization(CSVPSO). First, the load is divided into critical load, translation load, shiftable load, and temperature load. Then, on the basis of the different load characteristics,the concept of the user EA degree is presented, and the optimization model of the EI is provided. This paper also presents a CSVPSO algorithm to solve the optimization problem because the traditional particle swarm optimization algorithm takes a long time and particles easily fall into the local optimum. In CSVPSO, the particles with lower fitness value are operated by using cross operation, and velocity variation is performed for particles with a speed lower than the setting threshold. The effectiveness of the proposed method is verified by simulation analysis.Simulation results show that the proposed method can be used to optimize the operation of EI on the basis of the full consideration of the load characteristics. Moreover, the optimization algorithm has high accuracy and computational efficiency.