针对柴油发动机推进特性下的中高负荷工况出现的NO_(x)排放峰值现象,以及燃油价格日益上涨带来降低油耗率的迫切需求,本研究通过调节柴油/甲醇组合燃烧(diesel/methanol compound combustion,DMCC)发动机多种控制参数,在保证动力性前提...针对柴油发动机推进特性下的中高负荷工况出现的NO_(x)排放峰值现象,以及燃油价格日益上涨带来降低油耗率的迫切需求,本研究通过调节柴油/甲醇组合燃烧(diesel/methanol compound combustion,DMCC)发动机多种控制参数,在保证动力性前提下,实现NO_(x)排放和有效燃油消耗率(brake specific fuel consumption,BSFC)的同步下降。为避免大规模试验带来的成本增加,首先基于高斯过程回归建立DMCC发动机排放的NO_(x)体积分数、BSFC和指示功率预测模型;然后将所建模型与第二代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)结合,对NO_(x)的体积分数和BSFC进行优化,并将Pareto前沿解集代入逼近理想解排序法(the technique for order preference by similarity to an ideal solution,TOPSIS)寻找最优控制参数组合;最后将最优控制参数组合标定至电子控制单元,与原机数据进行对比分析。结果表明:基于高斯过程回归建立的预测模型的拟合优度大于0.95,均方根误差小于1,具有良好的一致性和准确性;使用NSGA-Ⅱ获取的最佳控制参数与优化前(原机工况)的相比,NO_(x)的排放量下降74.5%,仅为3.47 g/(kW·h),BSFC平均下降6.7%,仅为203.5 g/(kW·h)。展开更多
光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(ma...光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。展开更多
针对室内可见光定位中非视距信道(Non Line of Sight,NLOS)导致定位精度不足的问题,提出了一种基于动态高斯加权(Dynamic Gaussian Weighted,DGW)接收信号强度指示(Received Signal Strength Indicator,RSSI)和遗传算法(Genetic Algorit...针对室内可见光定位中非视距信道(Non Line of Sight,NLOS)导致定位精度不足的问题,提出了一种基于动态高斯加权(Dynamic Gaussian Weighted,DGW)接收信号强度指示(Received Signal Strength Indicator,RSSI)和遗传算法(Genetic Algorithm,GA)改进支持向量回归(Support Vector Regression,SVR)的室内可见光定位算法。首先,构建指纹库并划分数据集,计算接收器与光源之间的距离动态调整高斯函数的标准差,再结合RSSI信号的波动性进行自适应加权,以减少NLOS对定位的影响。然后,使用GA优化SVR模型的参数,得到最佳定位模型。最后,使用最佳定位模型对加权后的指纹数据进行定位预测。实验结果表明:本算法的平均定位误差为7.1 cm,相较于SVR、SVR-GA等算法降低了21.1%~42.3%,并且能有效降低NLOS的影响、提高室内定位的精度,具有较强的应用前景。展开更多
文摘针对柴油发动机推进特性下的中高负荷工况出现的NO_(x)排放峰值现象,以及燃油价格日益上涨带来降低油耗率的迫切需求,本研究通过调节柴油/甲醇组合燃烧(diesel/methanol compound combustion,DMCC)发动机多种控制参数,在保证动力性前提下,实现NO_(x)排放和有效燃油消耗率(brake specific fuel consumption,BSFC)的同步下降。为避免大规模试验带来的成本增加,首先基于高斯过程回归建立DMCC发动机排放的NO_(x)体积分数、BSFC和指示功率预测模型;然后将所建模型与第二代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)结合,对NO_(x)的体积分数和BSFC进行优化,并将Pareto前沿解集代入逼近理想解排序法(the technique for order preference by similarity to an ideal solution,TOPSIS)寻找最优控制参数组合;最后将最优控制参数组合标定至电子控制单元,与原机数据进行对比分析。结果表明:基于高斯过程回归建立的预测模型的拟合优度大于0.95,均方根误差小于1,具有良好的一致性和准确性;使用NSGA-Ⅱ获取的最佳控制参数与优化前(原机工况)的相比,NO_(x)的排放量下降74.5%,仅为3.47 g/(kW·h),BSFC平均下降6.7%,仅为203.5 g/(kW·h)。
文摘光伏阵列在局部阴影条件下P-U曲线会出现多个峰值,传统的粒子群优化PSO(particle swarm optimization)算法无法快速精确地搜寻到最大功率点。针对这种情况,本文提出1种基于混沌映射和高斯扰动的改进粒子群优化算法最大功率点跟踪MPPT(maximum power point tracking)控制策略。首先引入混沌Sine映射构造1种非线性随机递增惯性权重,并在粒子群的“个体认知”部分引入高斯扰动,同时利用对数函数构造学习因子,形成基于混沌映射和高斯扰动的改进粒子群算法;通过对6种典型单峰、多峰函数的测试,证明该算法收敛速度更快,不易陷入局部最优;将算法应用于MPPT控制中,并进一步通过不同算法MPPT控制进行对比仿真研究。对比仿真结果表明:在均匀光照强度、局部静态遮荫和动态遮荫3种情况下,基于混沌映射和高斯扰动的改进粒子群优化算法MPPT控制策略均具有更快的收敛速度和更小的搜索振荡幅度,能准确地搜寻到最大功率点,具有更高的寻优精度,从而提高了MPPT系统的发电效率。
文摘针对室内可见光定位中非视距信道(Non Line of Sight,NLOS)导致定位精度不足的问题,提出了一种基于动态高斯加权(Dynamic Gaussian Weighted,DGW)接收信号强度指示(Received Signal Strength Indicator,RSSI)和遗传算法(Genetic Algorithm,GA)改进支持向量回归(Support Vector Regression,SVR)的室内可见光定位算法。首先,构建指纹库并划分数据集,计算接收器与光源之间的距离动态调整高斯函数的标准差,再结合RSSI信号的波动性进行自适应加权,以减少NLOS对定位的影响。然后,使用GA优化SVR模型的参数,得到最佳定位模型。最后,使用最佳定位模型对加权后的指纹数据进行定位预测。实验结果表明:本算法的平均定位误差为7.1 cm,相较于SVR、SVR-GA等算法降低了21.1%~42.3%,并且能有效降低NLOS的影响、提高室内定位的精度,具有较强的应用前景。
