检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于超级电容混合储能系统的设计与分析

电源技术 2021年第9期45卷 1181-1184页

作者：刘晓悦陈瑞白尚维华北理工大学电气工程学院河北唐山063200

锂电池在实际应用中面临着频繁充放电、容量衰减等问题,而超级电容具有功率密度高、充放电速度快等优点,将超级电容和锂电池结合起来构成的混合储能系统对资源的合理利用有着重要的意义。提出了一种Buck-Boost变换器和Boost功率变换器... 详细信息

锂电池在实际应用中面临着频繁充放电、容量衰减等问题,而超级电容具有功率密度高、充放电速度快等优点,将超级电容和锂电池结合起来构成的混合储能系统对资源的合理利用有着重要的意义。提出了一种Buck-Boost变换器和Boost功率变换器相结合的混合储能并联控制系统,采用自适应变异粒子群(AMPSO)与BP神经网络相结合的算法估计锂电池的荷电状态,提出了一种基于模糊算法的混合储能优化控制策略,建立了混合储能系统仿真模型。仿真和实验结果显示了所提出的混合储能系统控制方法的正确性和有效性。

关键词：超级电容自适应变异粒子群优化荷电状态模糊算法混合储能

改进混沌搜索的AMPSO-BP激光铣削质量预测

在线全文

学校读者我要写书评

暂无评论

激光杂志 2020年第3期41卷 43-47页

作者：刘晓悦魏宇册华北理工大学电气工程学院河北唐山063000

为了更好地控制激光铣削的质量,建立了激光铣削质量和铣削层参数的神经网络模型。针对神经网络易陷入局部极小值的缺点,提出混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立了AMPSO-BP激光铣削质量预测模型。最后... 详细信息

为了更好地控制激光铣削的质量,建立了激光铣削质量和铣削层参数的神经网络模型。针对神经网络易陷入局部极小值的缺点,提出混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立了AMPSO-BP激光铣削质量预测模型。最后以某种材料的激光铣削质量预测为例,将文中所提算法与PSO-BP、BP神经网络预测结果相比,结果表明所提方法有很高预测精度且预测误差明显减小,在实际中有一定应用价值。

关键词：铣削质量神经网络混沌搜索自适应变异粒子群优化激光技术

在线全文

学校读者我要写书评

暂无评论

优化神经网络的锂电池SOC估算

机械设计与制造 2021年第11期369卷 83-86页

作者：刘晓悦魏宇册华北理工大学电气工程学院河北唐山063200

神经网络由于强大的非线性逼近能力、不需要建立数学模型等优势可以很好地完成荷电状态(state of charge,SOC)预测。但是常用的BP神经网络也存在学习效率慢、容易陷入局部极小值的缺点。为改进传统神经网络的不足,提高预测精度,提出自... 详细信息

神经网络由于强大的非线性逼近能力、不需要建立数学模型等优势可以很好地完成荷电状态(state of charge,SOC)预测。但是常用的BP神经网络也存在学习效率慢、容易陷入局部极小值的缺点。为改进传统神经网络的不足,提高预测精度,提出自适应变异粒子群优化算法(Particle Swarm Optimizition with Adaptive Mutation,AMPSO)与BP神经网络相结合的估算方法。在高级车辆仿真器(ADVISOR)仿真环境下,利用实际工况条件下的数据进行SOC估计,并与PSO、EKF、UKF方法对比,结果显示,优化后的BP神经网络预测误差在2%以内,说明所提的SOC估计方法有更好的预测准确性和稳定性。

关键词：荷电状态神经网络高级车辆仿真器自适应变异粒子群优化

基于改进混沌搜索的AMPSO-BP短期负荷预测

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2020年第4期38卷 189-192页

作者：刘晓悦魏宇册马伟宁华北理工大学电气工程学院河北唐山063210

为了精准预测微电网短期负荷,采用模糊聚类方法选择相似日粗集,用灰色关联分析法选取相似日,并针对神经网络易陷入局部极小值的缺点,提出基于混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立AMPSO-BP神经网络短期... 详细信息

为了精准预测微电网短期负荷,采用模糊聚类方法选择相似日粗集,用灰色关联分析法选取相似日,并针对神经网络易陷入局部极小值的缺点,提出基于混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立AMPSO-BP神经网络短期负荷预测模型。对收集的电网数据进行试验仿真结果显示,所提方法有很高的预测精度和稳定性,在实际中有一定的应用价值。

关键词：微电网短期负荷混沌搜索模糊聚类灰色关联分析自适应变异粒子群优化

基于退化特征提取和机器学习算法的锂离子电池健康状态估算

在线全文

学校读者我要写书评

暂无评论

基于退化特征提取和机器学习算法的锂离子电池健康状态估算

作者：王惠民广西大学

学位级别：硕士

为了缓减环境污染和能源短缺两方面的问题,低耗能、零排放的电动汽车已经逐渐成为当今汽车领域的主要发展趋势之一。锂离子电池作为电动汽车上最常用的车载能源之一,它在工作生命周期中会逐渐发生老化现象,其储存能量和提供需求功率的... 详细信息

为了缓减环境污染和能源短缺两方面的问题,低耗能、零排放的电动汽车已经逐渐成为当今汽车领域的主要发展趋势之一。锂离子电池作为电动汽车上最常用的车载能源之一,它在工作生命周期中会逐渐发生老化现象,其储存能量和提供需求功率的能力会明显降低,严重影响整车性能。电池健康状态(State-of-Health,SOH)作为电池状态监测的关键参数,对于确保电动汽车续航稳定性以及整车系统的安全性极为关键。因此,本文从提取有效表征电池退化的新特征入手,展开对车用动力锂离子电池健康状态准确估算方法的研究,主要内容包括:1、设计并搭建出可变工况和温度的锂离子电池老化实验平台。通过对锂离子电池的老化影响因素的分析,设计并执行两种不同测试条件下的锂离子电池老化实验方案,获取不同环境温度、工况下锂离子电池的老化数据库,为后续电池健康状态算法研究分析提供数据基础。2、锂离子电池退化新特征的提取。考虑到电池的退化状态参数在实际使用中难以直接获取,因此提出从电池的电流和电压等可测参数中提取能有效表征电池退化规律的退化特征。(1)采用快速样本熵对容量测试阶段的电池放电电压进行退化特征提取;(2)对建立的电池Thevenin模型中的参数进行辨识,提出利用变分模态分解辨识出的欧姆内阻,将趋势分量在[30%,80%]荷电状态区间内的平均值作为电池在当前充放电循环的标准欧姆内阻,而后将该欧姆内阻相对于初始内阻的增量作为电池内阻的退化特征。分别对这两种新的退化特征与电池容量退化进行线性拟合,并进行相关性分析,验证这两种新退化特征参数能够有效表征电池退化。3、为实现锂离子电池健康状态的准确估算,引入能准确处理小样本高复杂度数据的高斯过程回归构建一种锂离子电池健康状态估算框架。该框架将所提取的两种新退化特征作为输入并将对应的容量退化量作为目标输出,对高斯过程回归进行充分训练用于健康状态估算。为解决高斯过程回归中核函数的超参数优化问题,提出一种自适应变异粒子群算法(Adaptive Mutation Particle Swarm Optimizer,AMPSO)来对超参数进行全局寻优。同时,考虑到核函数选取对该框架估算精度的影响,对不同核函数进行对比测试后选择Matern核作为该框架中的最优核函数。将基于AMPSO优化高斯过程回归的SOH估算框架与反向传播神经网络和支持向量机等机器学习算法进行估算对比,结果表明所提出框架能够取得更好的估算精度;并利用所该框架对不同温度下的电池数据对进行SOH估算,在训练数据源和测试数据源为同种电池时,SOH估算误差在1.5%左右,表明所提出框架估算电池SOH是有效的。4、为提高对不同种类电池进行SOH估算的通用性和准确性,提出一种结合代谢极限学习机(Metabolic Extreme Learning Machine,MELM)和灰色误差补偿的SOH估算框架,用其实现不同种类电池在多个温度下的SOH准确估算。该框架充分利用极限学习机的强大泛化能力构建一种反映退化特征和容量退化量关系的退化状态模型来对电池的普遍退化规律进行描述;并通过对退化状态模型的反复代谢来实现电池全生命周期的SOH估算。同时,为了减少代谢过程带来的估算累积误差,提出使用灰色模型挖掘误差信息的潜在变化规律,对误差进行预测来修正最终的SOH估算结果。用该框架对不同种类的电池在多个温度下进行SOH估算,最大估算误差不超过1.57%,结果表明这一SOH估算框架能在不同情况下准确估算电池SOH,具有较好的普适性和泛化性。

关键词：锂离子电池健康状态退化特征高斯过程回归自适应变异粒子群优化极限学习机灰色理论

基于改进支持向量回归的高浓磨浆系统游离度软测量建模方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进支持向量回归的高浓磨浆系统游离度软测量建模方法

作者：赵梓丞东北大学

学位级别：硕士

高浓磨浆作为化学机械制浆生产的关键工序,属于典型的高能耗、低效率过程,其生产运行状况直接决定整个生产流程的纸浆质量和生产能耗。为此,研究高浓磨浆生产过程的建模与控制对于制浆过程的质量控制和节能降耗有着重要的意义。高浓磨... 详细信息

高浓磨浆作为化学机械制浆生产的关键工序,属于典型的高能耗、低效率过程,其生产运行状况直接决定整个生产流程的纸浆质量和生产能耗。为此,研究高浓磨浆生产过程的建模与控制对于制浆过程的质量控制和节能降耗有着重要的意义。高浓磨浆过程工艺机理复杂,具有多变量、强耦合、大时滞和非线性等特征,难以建立精确的数学模型。游离度作为评价纸浆质量的关键工艺指标之一,与纸浆质量特性和整个生产过程的能耗密切相关。然而,高浓磨浆过程中游离度难以通过现有测量手段直接在线检测,目前只能采用人工离线化验方式,但周期较长,难以满足基于游离度的高浓磨机实时监测和实时控制的要求。因此,必须采用有效手段,根据可测的关键生产过程参数建立高浓磨浆系统游离度软测量模型,实现游离度的在线连续估计,为进一步改进高浓磨浆的工艺和设备、实现整个造纸过程的节能降耗提供技术支持。针对上述问题,本文依托国家自然科学基金重点项目“面向节能降耗和纤维形态分布的制浆过程运行优化控制”,采用数据驱动建模技术,研究基于改进支持向量回归的高浓磨浆系统游离度软测量建模方法。本文的主要工作如下:(1)提出基于改进ε-SVR的高浓磨浆系统游离度软测量建模方法。首先,使用数据压缩、离群点剔除、数据标准化对采集到的数据进行处理,使用主元分析对数据进行特征提取,从而获得建模所需的样本集。利用局部性能优越的Gauss径向基核函数和全局性能优越的多项式核函数构建多核函数,提出MK-ε-SVR方法。其次,由于正规化参数与核参数的选择对于模型的学习能力和泛化能力有着至关重要的影响,提出基于交叉验证选择MK-ε-SVR模型结构参数集的方法(CV-MK-ε-SVR),用于提高模型的学习和泛化能力。针对交叉验证寻优过程的计算耗时巨大,且参数精确度不高,如增加参数精度,寻优耗时将呈指数增加的问题,提出基于自适应变异粒子群算法选择MK-ε-SVR模型结构参数集的方法(AMPSO-MK-ε-SVR)。仿真验证时,首先使用葡萄牙波尔图大学人工智能与决策支持实验室关于美国华盛顿特区自行车租赁的UCI数据集对所提方法的有效性进行验证,结果表明AMPSO-MK-ε-SVR较CV-MK-ε-SVR在寻优效率和模型精度上有一定的提升。然后,将所提方法用于某化学机械制浆厂制浆生产高浓磨浆系统游离度软测量。结果表明AMPSO-MK-ε-SVR方法在寻优效率、模型精确程度等方面具有一定优势。(2)提出基于改进LS-SVR的高浓磨浆系统游离度软测量建模方法。针对ε-SVR的求解过程缓慢、回归精度有待进一步提高等问题,使用LS-SVR来提高模型的求解效率和精度,从而提出LS-SVR-ARMA2K的建模方法。首先构建自回归移动平均模型,以有效刻画研究对象的动态特征;其次,对LS-SVR进行多核改进,以有效提高模型的求解效率、精度和适用范围;然后,使用交叉验证对模型结构参数集进行选择,提出CV-LS-SVR-ARMA2K;最后,使用自适应粒子群算法对软测量模型结构参数集进行选择,提出AMPSO-LS-SVR-ARMA2K。仿真实验时,同样首先使用自行车租赁UCI数据集对所提方法的有效性进行验证,结果表明AMPSO-LS-SVR-ARMA2K在模型精度和求解效率方面均存在着较大优势。然后,将所提方法用于某化学机械制浆厂制浆生产高浓磨浆系统游离度软测量。结果表明:与MK-ε-SVR和BP神经网络对比,LS-SVR-ARMA2K在模型精度、求解速度上具有显著优势,且在小样本情况下LS-SVR-ARMA2K依旧具有较高的模型精度。

关键词：游离度高浓磨浆系统软测量建模改进支持向量回归自适应变异粒子群优化自回归移动平均模型