System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術涉及一種電動汽車充電設備的故障監測方法,屬于電動汽車。
技術介紹
1、隨著電動汽車、充電基礎設施數量的大量增加,充電設備的運行狀態、監控及故障診斷成為影響充電設備安全穩定運行的主要問題之一。由于充電設備要便于電動汽車的充電,因此安裝位置大多在室外,進而導致充電設備長期暴露在雨、露等惡劣的環境中,同時如果充電設備的充電模塊、能量轉換模塊等核心部件出現故障,必將影響到整個充電設備系統的安全性和可靠性。因此需要開發一種使用的電動汽車充電設備故障監測方法,對于維護充電設備的正常運行、降低維護成本具有重要意義。
技術實現思路
1、本專利技術設計開發了一種電動車充電設備的故障監測方法,通過海鷗算法在在監測過程中對深度置信網絡進行參數優化,實現在復雜環境下對電動汽車充電設備的故障監測,并能夠提高檢測精度。
2、本專利技術提供的技術方案為:
3、一種電動車充電設備的故障監測方法,包括:
4、步驟一、獲取充電設備的正常數據和歷史故障數據,并進行數據預處理;
5、步驟二、基于預處理得到的數據進構建數據集,并將數據集分為訓練集和測試集;
6、步驟三、建立基于深度置信網絡的電動汽車充電設備故障模型,通過海鷗算法對深度置信網絡中的隱含層神經元數量和反向學習參數進行優化,將多特征融合向量輸入到模型中,完成故障辨識;
7、步驟四、獲取充電設備的實時狀態數據,并對其進行預處理,將處理后的數據輸入充電設備故障診斷模型中,得到充電設備的
8、優選的是,所述步驟二中,所述數據集中,75%的數據作為訓練集,剩余25%的數據作為測試集。
9、優選的是,所述深度置信網絡包括兩個rbm和一個bp分類器。
10、優選的是,所述海鷗算法優化過程包括:
11、步驟1、初始化海鷗算法和深度置信網絡參數,以訓練誤差作為適應度函數;
12、步驟2、初始化海鷗位置,計算個體適應度值,比較個體適應度值,計算海鷗最佳位置;
13、步驟3、計算獵物最佳適應度值,并更新海鷗攻擊位置,得到深度置信網絡最優參數。
14、優選的是,所述海鷗算法中選擇訓練集預測誤差作為適應度函數值,計算公式為:
15、;
16、式中,為適應度值,為正確分類樣本數,為樣本總量。
17、優選的是,還包括:
18、采用參數協調海鷗之間的位置,確定不會與其他海鷗發生碰撞的新位置的計算公式為:
19、;
20、;
21、式中,為海鷗當前所在位置,為當前迭代次數,為常數,取值為2,為最大迭代次數。
22、優選的是,所述計算海鷗的最佳位置包括:
23、確定海鷗最佳移動方向,其計算公式為:
24、;
25、式中,為當前最佳海鷗位置,用來協調算法的全局和局部搜索,其計算公式為;
26、;
27、式中,為之間的隨機數;
28、海鷗找到最佳移動方向后,向最佳位置進行移動,到達新的位置,海鷗的新位置計算公式為:
29、。
30、優選的是,所述海鷗攻擊時,在、、平面中的運動行為計算公式為:
31、;
32、式中,為海鷗螺旋飛行半徑,為之間的隨機角度,和為常數,取值為1,為自然對數的底數;
33、攻擊位置的更新方程為:
34、。
35、優選的是,所述步驟三還包括:
36、反向學習基于將求得的反向個體和當前群體放在一起進行對比尋優;
37、設定為適應度前50%的個體在維的值,反向個體的計算公式為:
38、;
39、式中,為之間的隨機數,、為前50%群體組成的區間;
40、海鷗攻擊位置更新后,按適應度進行排序,設定為攻擊后的適應度函數,取海鷗適應度值排名前50%群體并利用反向學習策略求解反向個體;
41、對比反向前后的最優個體,如果更優,則替代之前的最佳海鷗,更新方式為:
42、;
43、式中,為更優的海鷗個體位置,為更優的海鷗個體位置的適應度函數,為最佳海鷗個體位置的適應度函數。
44、本專利技術所述的有益效果:本專利技術提供的電動車充電設備的故障監測方法,通過海鷗算法在在監測過程中對深度置信網絡進行參數優化,實現在復雜環境下對電動汽車充電設備的故障監測,并能夠提高檢測精度。
本文檔來自技高網...【技術保護點】
1.一種電動汽車充電設備的故障監測方法,其特征在于,包括:
2.根據權利要求1所述的電動汽車充電設備的故障監測方法,其特征在于,所述步驟二中,所述數據集中,75%的數據作為訓練集,剩余25%的數據作為測試集。
3.根據權利要求2所述的電動汽車充電設備的故障監測方法,其特征在于,所述深度置信網絡包括兩個RBM和一個BP分類器。
4.根據權利要求3所述的電動汽車充電設備的故障監測方法,其特征在于,所述海鷗算法優化過程包括:
5.根據權利要求4所述的電動汽車充電設備的故障監測方法,其特征在于,所述海鷗算法中選擇訓練集預測誤差作為適應度函數值,計算公式為:
6.根據權利要求5所述的電動汽車充電設備的故障監測方法,其特征在于,還包括:
7.根據權利要求6所述的電動汽車充電設備的故障監測方法,其特征在于,所述計算海鷗的最佳位置包括:
8.根據權利要求7所述的電動汽車充電設備的故障監測方法,其特征在于,所述海鷗攻擊時,在、、平面中的運動行為計算公式為:
9.根據權利要求8所述的電動汽車充電設備的故障
...【技術特征摘要】
1.一種電動汽車充電設備的故障監測方法,其特征在于,包括:
2.根據權利要求1所述的電動汽車充電設備的故障監測方法,其特征在于,所述步驟二中,所述數據集中,75%的數據作為訓練集,剩余25%的數據作為測試集。
3.根據權利要求2所述的電動汽車充電設備的故障監測方法,其特征在于,所述深度置信網絡包括兩個rbm和一個bp分類器。
4.根據權利要求3所述的電動汽車充電設備的故障監測方法,其特征在于,所述海鷗算法優化過程包括:
5.根據權利要求4所述的電動汽車充電設備的故障...
【專利技術屬性】
技術研發人員:周業華,廖武名,李召軍,王新于,
申請(專利權)人:深圳市北測檢測技術有限公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。