-
公开(公告)号:CN108090427A
公开(公告)日:2018-05-29
申请号:CN201711286476.6
申请日:2017-12-07
Applicant: 上海电机学院
Abstract: 基于鸟群算法和隐马尔科夫模型的齿轮箱故障诊断方法,包括特征提取、模型参数初始化、参数训练、输出概率计算这四个步骤。(1)特征提取:选取小波函数对振动信号进行3层小波包分解和重构,通过对各频段小波分解系数信号进行分析,实现从各个频段分别提取振动信号所代表的不同故障状态的特征信息。(2)模型参数初始化:将振动信号频带能量作为特征向量进行建模(3)参数训练:根据第二步初始化的参数,用鸟群算法进行重估,(4)输出概率计算:经过上述步骤建好模型后,将监测振动数据特征提取,代入不同故障状态模型,由前向后向算法计算输出概率,概率最大的即为对应的故障类型。
-
公开(公告)号:CN107919675B
公开(公告)日:2021-05-07
申请号:CN201711327085.4
申请日:2017-12-13
Applicant: 上海电机学院
Abstract: 综合考虑车主和运营商利益的充电站负荷调度模型,包括模式分析、建立目标函数、构建约束条件、模型求解与寻优四个步骤。设tstart为调度开始时刻,tend为调度结束时刻,在该时段内:(1)模式分析;(2)建立目标函数;(3)构建约束条件;(4)模型求解与寻优。该模型属于双目标优化模型,采用NSGA II算法进行求解得到一组非支配解,再通过模糊专家理论筛选出折中的解。本发明以车主和运营商利益为优化目标,考虑功率平衡、充电覆盖率和电价情况约束,从而建立了电动汽车充电调度模型,实时采集充电站可再生能源出力情况、梯次电池储能情况和车主的出行需求、充电需求,再通过NSGA II算法和模糊专家理论求解模型得到调度结果。
-
公开(公告)号:CN107919675A
公开(公告)日:2018-04-17
申请号:CN201711327085.4
申请日:2017-12-13
Applicant: 上海电机学院
CPC classification number: H02J3/32 , G06Q10/06312 , G06Q50/06 , H02J3/382 , H02J2003/007
Abstract: 综合考虑车主和运营商利益的充电站负荷调度模型,包括模式分析、建立目标函数、构建约束条件、模型求解与寻优四个步骤。设tstart为调度开始时刻,tend为调度结束时刻,在该时段内:(1)模式分析;(2)建立目标函数;(3)构建约束条件;(4)模型求解与寻优。该模型属于双目标优化模型,采用NSGA II算法进行求解得到一组非支配解,再通过模糊专家理论筛选出折中的解。本发明以车主和运营商利益为优化目标,考虑功率平衡、充电覆盖率和电价情况约束,从而建立了电动汽车充电调度模型,实时采集充电站可再生能源出力情况、梯次电池储能情况和车主的出行需求、充电需求,再通过NSGA II算法和模糊专家理论求解模型得到调度结果。
-
-