基于量子海鸥算法的运载火箭回收舱段时差定位方法

火箭回收舱段的准确定位是实现运载火箭可重复使用的关键技术之一。针对运载火箭回收舱段飞行轨迹的特点,基于多站到达时间差(TDOA)无源定位原理,通过在回收舱段上加装主动辐射源设计了火箭回收舱段定位系统。将时差非线性定位方程求解问题转化为时差似然函数的极值优化问题,通过引入量子编码理论、混沌映射和遗传反向学习机制改进海鸥算法(SOA),将其用于搜索回收舱段最优定位信息。仿真结果表明:改进的量子海鸥算法在火箭回收舱段定位解算的早期收敛速度、定位精度、全局搜索能力等方面均优于传统Chan算法和标准海鸥算法。

基于PCA-SOA-ELM的空调系统负荷预测

针对参与需求响应的空调系统负荷预测方法存在预测精度低、预测时间长等问题,提出一种基于主成分分析(principal component analysis,PCA)与海鸥优化算法(seagull optimization algorithm,SOA)优化极限学习机(extreme learning machine,ELM)空调负荷预测模型。通过PCA提取影响空调系统负荷数据的主要特征,建立空调系统ELM负荷预测模型,并采用SOA对模型参数进行迭代寻优。为了验证算法的有效性,以某办公建筑的空调负荷数据为例进行实例分析,实验结果表明:经PCA特征提取后得到包含98.00%原信息的6项主成分,SOA-ELM模型的预测结果与实际值基本吻合,其均方根误差为0.0137,平均绝对百分比误差为0.8392%,决定系数高达0.9910,训练时长为3.482s,相较于其他3种对比模型性能更优。证明了所建模型泛化性能强、预测精度高,能够有效预测空调系统需求响应时段负荷的变化情况。

工业大气环境下架空管道腐蚀增重预测

架空管道受大气环境影响会发生腐蚀增重现象。为提高工业大气环境下管道的腐蚀增重预测精度,提出了一种基于改进海鸥优化算法的区间灰数预测模型(MSSOA-INGM(1,1,δ))。首先通过Kent映射和Levy飞行策略优化海鸥优化算法(Seagull Optimization Algorithm,SOA)的种群,避免SOA过早收敛,并改进收敛因子B以提高全局搜索能力;然后建立区间灰数NGM(1,1)模型,根据反余割函数变换、平均弱化缓冲算子和自适应初始条件优化对模型进行改进,并利用多策略下的海鸥优化算法(Multi-Strategy Seagull Optimization Algorithm,MSSOA)对改进后的INGM(1,1,δ)模型中的时间参数δ进行寻优;最后以某架空管道腐蚀数据为基础进行仿真试验。优化后新模型的预测结果与实际值高度吻合,表明该模型的预测精度得到较大提高,在架空管道腐蚀增重预测方面具有较好的鲁棒性。

考虑系统氢耗和耐久性的多堆燃料电池优化控制方法

为降低多堆燃料电池系统(multi-stack fuel cell system,MFCS)氢耗并延长运行寿命,提出一种计及系统氢耗和耐久性的多堆燃料电池系统优化控制方法,该方法以MFCS氢耗量和耐久性作为多目标,通过海鸥优化算法(seagull optimization algorithm,SOA)与无源控制(passive-based control,PBC)结合,实时优化每个单堆燃料电池系统输出功率,降低MFCS氢耗量,并兼顾约束功率波动率,提高MFCS耐久性,进而延长MFCS使用寿命。最后基于RT-LAB平台,搭建一套由3个不同性能的110kW质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)系统组成的MFCS实验硬件在环(hardware-in-the-loop,HIL)半实物平台,并从系统氢耗量和运行压力2个方面,与平均分配、链式分配、和基于运行性能衰减程度分配3种MFCS控制方法进行对比验证。结果表明,所提方法能够有效减小系统氢耗量,同时降低PEMFC输出功率波动率,进而提升MFCS耐久性,延长MFCS运行寿命。