为研究科学有效的锂电池储能电站风险评估方法,从法律、法规、规程、标准和文献中提取并确定锂电池储能电站风险评价指标集,包括电池组、外部刺激、保护系统、运行环境、人为因素和安全管理等6个一级指标,以及电池基本情况、电池使用工...为研究科学有效的锂电池储能电站风险评估方法,从法律、法规、规程、标准和文献中提取并确定锂电池储能电站风险评价指标集,包括电池组、外部刺激、保护系统、运行环境、人为因素和安全管理等6个一级指标,以及电池基本情况、电池使用工况、电池模组状态等27个二级指标。采用序关系分析(G1)法确定指标主观权重,采用人工鱼群算法(artificial fish swarm algorithm,AFSA)确定各评价指标客观权重,采用乘积法确定最终的组合权重,结合云模型理论建立锂电池储能电站安全风险评价模型。以某电站为例开展研究,研究结果表明:储能电站风险综合期望值为61.382,风险处于较高水平,需采取适当措施进行风险防控。模型能够有效识别关键风险路径,评价结论与现场风险表现具有较高一致性。研究结果可为锂电池储能电站风险预防和管控提供参考。展开更多
针对电源组合故障预测的需求,提出了一种基于人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化灰色神经网络的故障预测方法;文中首先对AFSA算法和灰色神经网络进行了介绍;然后在此基础上提出了基于AFSA优化灰色神经网络的故障...针对电源组合故障预测的需求,提出了一种基于人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化灰色神经网络的故障预测方法;文中首先对AFSA算法和灰色神经网络进行了介绍;然后在此基础上提出了基于AFSA优化灰色神经网络的故障预测模型,并给出了AFSA优化灰色神经网络参数的算法步骤;最后对制导雷达波束控制系统中的某电源组合进行了故障预测,预测结果表明该预测方法误差较小,达到了预期效果。展开更多
In this paper, a static weapon target assignment（WTA）problem is studied. As a critical problem in cooperative air combat,outcome of WTA directly influences the battle. Along with the cost of weapons rising rapidly, ...In this paper, a static weapon target assignment（WTA）problem is studied. As a critical problem in cooperative air combat,outcome of WTA directly influences the battle. Along with the cost of weapons rising rapidly, it is indispensable to design a target assignment model that can ensure minimizing targets survivability and weapons consumption simultaneously. Afterwards an algorithm named as improved artificial fish swarm algorithm-improved harmony search algorithm（IAFSA-IHS） is proposed to solve the problem. The effect of the proposed algorithm is demonstrated in numerical simulations, and results show that it performs positively in searching the optimal solution and solving the WTA problem.展开更多
针对行星齿轮箱振动信号复杂时变调质特点使其"难表征",致使据此构建的状态辨识模型精度低的问题,提出一种基于总体局部均值分解(Ensemble local mean decomposition,ELMD)的能量熵与人工鱼群算法(Artificial fish swarm algo...针对行星齿轮箱振动信号复杂时变调质特点使其"难表征",致使据此构建的状态辨识模型精度低的问题,提出一种基于总体局部均值分解(Ensemble local mean decomposition,ELMD)的能量熵与人工鱼群算法(Artificial fish swarm algorithm,AFSA)寻找支持向量机(Support vector machine,SVM)最优核函数系数组合的行星齿轮箱关键部件的状态辨识方法。首先,利用ELMD分解经形态平均滤波的行星齿轮箱关键部件的振动信号来获取若干窄带乘积函数(Product function,PF)。然后,计算其能量熵来构建高维特征向量集。最后,将其作为输入,通过训练学习建立AFSA优化SVM的行星齿轮箱关键部件状态辨识模型。实验结果表明,所提方法能凸显原信号中的有效故障成份,提高了模型的状态辨识精度。展开更多
文摘为研究科学有效的锂电池储能电站风险评估方法,从法律、法规、规程、标准和文献中提取并确定锂电池储能电站风险评价指标集,包括电池组、外部刺激、保护系统、运行环境、人为因素和安全管理等6个一级指标,以及电池基本情况、电池使用工况、电池模组状态等27个二级指标。采用序关系分析(G1)法确定指标主观权重,采用人工鱼群算法(artificial fish swarm algorithm,AFSA)确定各评价指标客观权重,采用乘积法确定最终的组合权重,结合云模型理论建立锂电池储能电站安全风险评价模型。以某电站为例开展研究,研究结果表明:储能电站风险综合期望值为61.382,风险处于较高水平,需采取适当措施进行风险防控。模型能够有效识别关键风险路径,评价结论与现场风险表现具有较高一致性。研究结果可为锂电池储能电站风险预防和管控提供参考。
文摘针对电源组合故障预测的需求,提出了一种基于人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化灰色神经网络的故障预测方法;文中首先对AFSA算法和灰色神经网络进行了介绍;然后在此基础上提出了基于AFSA优化灰色神经网络的故障预测模型,并给出了AFSA优化灰色神经网络参数的算法步骤;最后对制导雷达波束控制系统中的某电源组合进行了故障预测,预测结果表明该预测方法误差较小,达到了预期效果。
基金supported by the National Natural Science Foundation of China(61472441)
文摘In this paper, a static weapon target assignment（WTA）problem is studied. As a critical problem in cooperative air combat,outcome of WTA directly influences the battle. Along with the cost of weapons rising rapidly, it is indispensable to design a target assignment model that can ensure minimizing targets survivability and weapons consumption simultaneously. Afterwards an algorithm named as improved artificial fish swarm algorithm-improved harmony search algorithm（IAFSA-IHS） is proposed to solve the problem. The effect of the proposed algorithm is demonstrated in numerical simulations, and results show that it performs positively in searching the optimal solution and solving the WTA problem.
文摘针对行星齿轮箱振动信号复杂时变调质特点使其"难表征",致使据此构建的状态辨识模型精度低的问题,提出一种基于总体局部均值分解(Ensemble local mean decomposition,ELMD)的能量熵与人工鱼群算法(Artificial fish swarm algorithm,AFSA)寻找支持向量机(Support vector machine,SVM)最优核函数系数组合的行星齿轮箱关键部件的状态辨识方法。首先,利用ELMD分解经形态平均滤波的行星齿轮箱关键部件的振动信号来获取若干窄带乘积函数(Product function,PF)。然后,计算其能量熵来构建高维特征向量集。最后,将其作为输入,通过训练学习建立AFSA优化SVM的行星齿轮箱关键部件状态辨识模型。实验结果表明,所提方法能凸显原信号中的有效故障成份,提高了模型的状态辨识精度。
