改进灰狼算法的变电站巡检机器人路径规划

为进一步提高智能变电站巡检机器人的巡检效率,针对传统灰狼算法易陷入局部最优和收敛效率低的问题,改进灰狼算法,用于智能变电站巡检机器人路径优化。根据灰狼算法中不同参数对算法性能的影响,仿真分析了基于收敛函数和种群权重参数,以及同时进行混合改进后灰狼算法在智能变电站巡检机器人路径规划中的性能。结果表明:混合改进的灰狼算法,不仅缩短了智能变电站巡检机器人优化路径,还提高了路径规划效率。

基于卷积理论的船舶舵效辨识及艏向短时预测方法

针对船舶较长的操舵响应时间使得航向难以快速把定,甚至引起艏向角振荡及更多的安全问题,应用卷积理论并结合二阶惯性系统的单位脉冲响应特性,设计一种对船舶舵效进行辨识并对未来短时间内艏向变化进行预测的方法。利用采集的实船数据对该方法进行验证。用该方法得到的舵效和艏向短时预测结果可为船舶在紧迫局面下的避让提供可靠的决策支持信息,可为船舶自主航行智能决策提供支持。

基于改进差分进化算法的潮流发电机组微观选址

针对潮流能发电机组布局依赖经验法、缺乏自主优化而导致微观选址难度大的问题,提出了一种基于差分进化算法并结合流场仿真模型的微观选址优化方法。通过对流场的有限元仿真,获取选址区域在原始状态下的流速分布;在充分考虑地形、潮汐和尾流效应等因素的前提下,以仿真结果为依据,以潮流发电机组群输出功率最大为优化目标,以机组间距及水深限制为约束,建立微观选址优化的数学模型;采用差分进化算法进行模型求解,同时为更利于最优解的搜索,提出了对其变异算子及参数设置的改进策略。以龟山水道为例进行微观选址优化计算,验证了所提模型的准确性与算法的高效性。

基于动态自适应策略的改进差分进化算法

针对差分进化算法处理复杂优化问题时存在后期收敛速度变慢、收敛精度不高和参数设置困难的问题,提出了一种基于动态自适应策略的改进差分进化算法(dn-DADE)。首先,新的变异策略DE/current-to-dnbest/1利用当前种群中的精英解引导有效的搜索方向来动态调整可选的精英解,使其在进化后期趋于全局最优解。其次,分别设计了缩放因子和交叉因子的自适应更新策略,使两者在搜索的不同阶段自适应变化,以弥补差分进化算法对参数敏感的不足,进一步提高算法的稳定性和鲁棒性。对14个benchmark函数进行了测试并与多种先进DE改进算法进行了比较,结果显示,dn-DADE算法具有较高的求解精度,收敛速度快,寻优性能显著。

基于极值优化的混合差分进化算法

针对标准差分进化算法在求解复杂优化问题时易陷入局部最优的问题,提出了一种基于极值动力学机制的混合差分进化算法。该算法的核心在于,当种群聚集度较高时,利用极值优化算法强大的波动性,通过引入基于种群的极值优化算法来提高种群多样性,从而协助差分进化算法跳出局部最优。仿真实验表明,该混合算法具有较好的全局收敛性,能有效避免早熟收敛。

具有参数自适应机制的改进离散差分进化算法

在研究和分析离散差分进化算法的基础上,提出了一种具有参数自适应机制的改进离散差分进化算法(PADDE)。该算法首先对连续域进化过程中的参数进行自适应调整,以平衡全局搜索与局部搜索,协调种群多样性和收敛速度间的矛盾,其次根据对应离散域上成功进化的个体的离散编码反馈信息引导算法协同进化。通过对背包问题进行的实验表明,该算法具有良好的收敛效率和稳定性。

基于威尔逊规则的电气工程专业教学策略研究——以《高电压技术》为例

高电压技术是电气工程及自动化专业的重要专业课。文章阐述了揭示学习本质规律的威尔逊规则,并基于此理论,结合上海电机学院以培养复合型人才为目的的专业特色,提出职业、科研双导向制的高电压技术教学改革的策略,从教学内容、教学手段、考核方法和教学效果等方面对此课程的本科教学进了初步探索,即合理设计教学内容、综合运用多种教学方式、创新设计双导向考核方式验证教学的能效。

滑动变压器的数学模型及仿真

滑动变压器是非接触感应电能传输系统的核心部件,可以实现运动设备的安全供电。建立了滑动变压器的状态空间数学模型,该模型参数简明,通用性强。在此基础上,对滑动变压器一、二次侧的补偿拓扑及系统谐振频率进行了对比分析,并给出了相应的仿真结果,验证了模型的有效性。

基于狂欢理论的微弹幕教学能效与风险管理

针对微弹幕这一全新的课堂互动方式所存在的教学风险,采用巴赫金狂欢理论,论述了微弹幕课堂互动方式的主要特点,对其进行了定性能效与风险分析,并从尺度掌控和定焦掌控两方面提出初步风险管理方案。

多相交流电机的参数计算

从电感计算的一般化公式出发,对十二相四Y移15°绕组凸极同步电动机定子绕组的自感和互感进行了解析计算,为电机性能分析提供了重要参数。

网格非正交性对水流场模拟的影响

为减少在建立网格模型时出现的畸形网格单元导致的较大的计算误差,研究网格非正交性对水流场模拟的影响,建立多种正交性不同的四边形网格模型,设置边界并且施加激励进行水流场模拟实验,得到水流场特征值.依据真实水流场数据,对水流场流速矢量以及水位进行误差分析,得出水流场误差与网格非正交性具有正相关性.该研究可为流场模拟提供一定的参考.

基于案例驱动的线上线下相混合教学模式探索与实践——以“电力系统暂态分析”为例

针对“电力系统暂态分析”教学过程存在理论性强和教学方式单一的问题,教学团队探索基于案例驱动的线上线下相混合教学模式。教学过程中,以典型案例为知识载体,激发学生的学习兴趣;充分发挥线上优质教学资源优势,丰富教学方法;线下教学中以问题为导向,发挥教师和学生的主体地位,培养学生的创造性思维,提高学生解决复杂工程问题的能力。

《电力系统暂态分析》线上线下混合教学模式探索与实践

针对“电力系统暂态分析”课程教学中存在的问题,理论教学在加强对课程基本内容掌握的基础上,明确以“学”为中心的教学理念,并采用“线上线下”混合教学模式,借助智慧树教学平台,将各种不同的教学方式恰当地组合起来,形成教学方式与教学平台之间相互补充,扬长避短。教学过程中,将以问题为导向以案例为驱动贯穿于“电力系统暂态分析”课程教学实践,充分激发学生学习兴趣、提升课程教学质量,培养学生工程创新能力与实践能力等综合素质。

智能电网课程思政教学探究与实践

本文针对智能电网课程的特点,探索了在工科专业课程教学过程中融入课程思政元素的教学途径和方法。在传授专业知识的同时,充分挖掘和运用课程蕴含的思政教育元素,将课程思政与专业课知识点有机结合,把思政要素贯穿专业课程教育教学全过程,以期达到育人树德传道授业的教学目标。

基于网格化拉马克学习机制的差分进化算法

引入拉马克进化理念,提出一种基于网格化拉马克学习机制的差分进化算法.该算法在网格划分机制建立起的分布式搜索框架下,采用单元格最优解保护机制、学习步长机制、解空间同仁机制和定矢变异机制组成拉马克学习模式.仿真结果表明,所提算法可以充分发挥拉马克学习的局部搜索能力,又可有效避免早熟收敛,其求解精度明显优于其他比较算法.将所提算法应用于电力系统最优潮流计算问题,获得了良好的优化效果.

改进差分进化算法在舰船电力系统网络重构中的应用

针对舰船电力系统的网络重构,建立了以负载恢复量、开关操作数和发电机效率均衡为多优化目标的舰船电力系统故障恢复模型,提出了一种带自适应离散断点算子和动态变异、交叉因子的改进离散差分进化算法进行求解。改进后的算法能有效地提高收敛速度,并克服传统差分进化算法收敛精度不高、易陷入局部最优的问题。舰船电力系统网络故障恢复算例表明,该方法能获得更好的系统重构方案,并具有较好的优化性能。

基于双坐标系的水流场自适应网格优化算法

为了使Delft3D更充分的发挥水流场计算的优势,该文针对Delft3D四边形网格的特征,创建了适宜描述网格调整过程的双坐标系,并基于对网格品质、计算量与计算精度的多重考虑,提出了一种网格自适应优化算法,既保证网格品质控制在工程误差允许的范围内,又可最大限度的降低计算量。经过实际编程试验可知,该算法对软件初始生成的网格的优化处理过程,不仅无须人工确定网格规模,且以最低的计算量实现比Delft3D软件本身自带的优化模块,更加符合水流场的流线排布,同时网格的正交性更优,即自动实现网格规模、品质、贴体程度与计算量的最佳匹配。

Fault Reconfiguration of Shipboard Power System Based on Triple Quantum Differential Evolution Algorithm

Fault reconfiguration of shipboard power system is viewed as a typical nonlinear and multi-objective combinatorial optimization problem. A comprehensive reconfiguration model is presented in this paper, in which the restored loads, switch frequency and generator efficiency are taken into account. In this model, analytic hierarchy process(AHP) is proposed to determine the coefficients of these objective functions. Meanwhile, a quantum differential evolution algorithm with triple quantum bit code is proposed. This algorithm aiming at the characteristics of shipboard power system is different from the normal quantum bit representation. The individual polymorphic expression is realized, and the convergence performance can be further enhanced in combination with the global parallel search capacity of differential evolution algorithm and the superposition properties of quantum theory. The local optimum can be avoided by dynamic rotation gate. The validity of algorithm and model is verified by the simulation examples.