CN113919238B - 一种氢燃料电池汽车停车场传感器优化布置方法及系统 - Google Patents

一种氢燃料电池汽车停车场传感器优化布置方法及系统 Download PDF

Info

Publication number
CN113919238B
CN113919238B CN202111518585.2A CN202111518585A CN113919238B CN 113919238 B CN113919238 B CN 113919238B CN 202111518585 A CN202111518585 A CN 202111518585A CN 113919238 B CN113919238 B CN 113919238B
Authority
CN
China
Prior art keywords
artificial fish
hydrogen concentration
concentration sensor
determining
target set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111518585.2A
Other languages
English (en)
Other versions
CN113919238A (zh
Inventor
李建威
田忠昊
邹巍涛
郝冬
王成
胡东海
苏红艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202111518585.2A priority Critical patent/CN113919238B/zh
Publication of CN113919238A publication Critical patent/CN113919238A/zh
Application granted granted Critical
Publication of CN113919238B publication Critical patent/CN113919238B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Fuel Cell (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种氢燃料电池汽车停车场传感器优化布置方法及系统，包括：确定初始目标集合；所述初始目标集合包括N个人工鱼，且每个所述人工鱼均表示一个氢浓度传感器布置方案，不同的所述人工鱼表示不同的氢浓度传感器布置方案；所述氢浓度传感器布置方案表示多个氢浓度传感器在目标地下停车场上的位置坐标；基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案；所述综合预警能力评定时间目标函数为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从所有人工鱼所述反应时间最大值中确定最小值的目标函数。本发明能够实现地下停车场内氢浓度传感器合理布置的目的。

Description

一种氢燃料电池汽车停车场传感器优化布置方法及系统
技术领域
本发明涉及停车场传感器布置技术领域，特别是涉及一种氢燃料电池汽车停车场传感器优化布置方法及系统。
背景技术
为了解决世界范围内能源短缺和环境污染这两个重大问题，清洁能源在汽车上的大规模应用已成为了未来的发展趋势，而氢燃料电池汽车凭借能源可再生、零排放、长续航、加氢快等优势，被认为是未来最具有应用前景的替代能源汽车之一，已经开始进入产业化初期。
由于氢气具备易燃易爆、易泄漏扩散且泄漏后难以发觉的特点，故氢气在制备、储存、运输、加注和使用过程中均具有潜在的泄漏和爆炸危险，显然，在地下停车场这种相对密闭空间中，对氢燃料电池汽车的氢气泄漏监测和预警是十分重要的。由于地下停车场空间相对封闭，通风条件差，泄漏的氢气浓度容易达到爆炸范围，因此要求用于监测的报警器（即氢浓度传感器）阵列布置合理、灵敏度高。综上所述，地下停车场内氢浓度传感器的合理布置十分重要。
目前，在氢浓度传感器布置问题中，相关文献较少，且许多布置方案中定性分析的成分较大，已有研究尚不完善。
发明内容
本发明的目的是提供一种氢燃料电池汽车停车场传感器优化布置方法及系统，以实现地下停车场内氢浓度传感器合理布置的目的。
为实现上述目的，本发明提供了如下方案：
一种氢燃料电池汽车停车场传感器优化布置方法，包括：
确定初始目标集合；所述初始目标集合包括N个人工鱼，且每个所述人工鱼均表示一个氢浓度传感器布置方案，不同的所述人工鱼表示不同的氢浓度传感器布置方案；所述氢浓度传感器布置方案表示多个氢浓度传感器在目标地下停车场上的位置坐标；
基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案；所述综合预警能力评定时间目标函数为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从所有人工鱼的所述反应时间最大值中确定最小值的目标函数。
可选的，所述确定初始目标集合，具体包括：
确定目标地下停车场内停车位的数量以及各个所述停车位的位置坐标；
根据所述停车位的数量以及各个所述停车位的位置坐标，确定潜在泄漏点信息；所述潜在泄漏点信息包括潜在泄漏点的数量以及各个所述潜在泄漏点的位置坐标；
根据所述潜在泄露点信息确定初始目标集合。
可选的，所述基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案，具体包括：
步骤1：根据报警时间优化目标函数，计算当前迭代次数对应的目标集合中的标记人工鱼中每个氢浓度传感器对标记潜在泄漏点的反应时间；所述标记人工鱼为所述目标集合中的任意人工鱼，所述标记潜在泄漏点为任意潜在泄漏点。
步骤2：根据标记人工鱼中每个氢浓度传感器对标记泄漏点的反应时间，确定标记人工鱼对标记潜在泄漏点的最短反应时间；
步骤3：重复步骤1和步骤2，确定标记人工鱼对每个潜在泄漏点的最短反应时间，并对确定的所述最短反应时间进行排序，然后将最大的最短反应时间确定为标记人工鱼的综合预警能力评定时间；
步骤4：重复步骤3，确定每个人工鱼的综合预警能力评定时间，并对确定的所述综合预警能力评定时间进行排序，然后将最小的综合预警能力评定时间确定为当前迭代次数对应的最优值；
步骤5：判断当前迭代次数对应的最优值与上一迭代次数对应的最优值的误差是否小于设定阈值，若是则将当前迭代次数对应的具有最小综合预警能力评定时间的人工鱼确定为最优氢浓度传感器布置方案；若否则更新目标集合中的人工鱼，并返回步骤1。
可选的，所述报警时间优化目标函数为
Figure DEST_PATH_IMAGE001
；
Figure 599606DEST_PATH_IMAGE002
表示反应时间，Qm为在氢燃料电池汽车储氢罐出现破损时泄漏点处喷出氢气的质量流量，ρ为氢气的密度，R为氢浓度传感器与潜在泄漏点之间的距离，H为目标地下停车场的高度，r1为目标地下停车场的容积系数，r2为空气流动修正系数，d为氢浓度传感器的报警浓度阈值。
可选的，所述更新目标集合中的人工鱼，具体包括：
根据人工鱼群算法中的觅食行为、聚群行为、追尾行为和/或随机行为，更新目标集合中的人工鱼。
一种氢燃料电池汽车停车场传感器优化布置系统，包括：
初始目标集合确定模块，用于确定初始目标集合；所述初始目标集合包括N个人工鱼，且每个所述人工鱼均表示一个氢浓度传感器布置方案，不同的所述人工鱼表示不同的氢浓度传感器布置方案；所述氢浓度传感器布置方案表示多个氢浓度传感器在目标地下停车场上的位置坐标；
最优氢浓度传感器布置方案确定模块，用于基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案；所述综合预警能力评定时间目标函数为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从所有人工鱼的所述反应时间最大值中确定最小值的目标函数。
可选的，所述初始目标集合确定模块，具体包括：
停车位信息确定单元，用于确定目标地下停车场内停车位的数量以及各个所述停车位的位置坐标；
潜在泄漏点信息确定单元，用于根据所述停车位的数量以及各个所述停车位的位置坐标，确定潜在泄漏点信息；所述潜在泄漏点信息包括潜在泄漏点的数量以及各个所述潜在泄漏点的位置坐标；
初始目标集合确定单元，用于根据所述潜在泄露点信息确定初始目标集合。
可选的，所述最优氢浓度传感器布置方案确定模块，具体包括：
步骤1：根据报警时间优化目标函数，计算当前迭代次数对应的目标集合中的标记人工鱼中每个氢浓度传感器对标记潜在泄漏点的反应时间；所述标记人工鱼为所述目标集合中的任意人工鱼，所述标记潜在泄漏点为任意潜在泄漏点；
步骤2：根据标记人工鱼中每个氢浓度传感器对标记泄漏点的反应时间，确定标记人工鱼对标记潜在泄漏点的最短反应时间；
步骤3：重复步骤1和步骤2，确定标记人工鱼对每个潜在泄漏点的最短反应时间，并对确定的所述最短反应时间进行排序，然后将最大的最短反应时间确定为标记人工鱼的综合预警能力评定时间；
步骤4：重复步骤3，确定每个人工鱼的综合预警能力评定时间，并对确定的所述综合预警能力评定时间进行排序，然后将最小的综合预警能力评定时间确定为当前迭代次数对应的最优值；
步骤5：判断当前迭代次数对应的最优值与上一迭代次数对应的最优值的误差是否小于设定阈值，若是则将当前迭代次数对应的具有最小综合预警能力评定时间的人工鱼确定为最优氢浓度传感器布置方案；若否则更新目标集合中的人工鱼，并返回步骤1。
可选的，所述最优氢浓度传感器布置方案确定模块中的报警时间优化目标函数为
Figure 351661DEST_PATH_IMAGE003
；
Figure 875921DEST_PATH_IMAGE004
表示反应时间，Qm为在氢燃料电池汽车储氢罐出现破损时泄漏点处喷出氢气的质量流量，ρ为氢气的密度，R为氢浓度传感器与潜在泄漏点之间的距离，H为目标地下停车场的高度，r1为目标地下停车场的容积系数，r2为空气流动修正系数，d为氢浓度传感器的报警浓度阈值。
可选的，在更新目标集合中的人工鱼方面，所述最优氢浓度传感器布置方案确定模块具体包括：
根据人工鱼群算法中的觅食行为、聚群行为、追尾行为和/或随机行为，更新目标集合中的人工鱼。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
1、氢浓度传感器的布置能够更加适应一般性情况。因为地下停车场中发生泄漏情况的车辆位置是随机的，而本发明中目标函数的定义为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从多个所述最大值中确定最小值，因此设计出的布置方案不只对某种特定的泄漏位置反应速度快，而是对各种泄漏情形都能有较快的反应速度。实际操作中，通常设置十种以上的泄漏情况，这样就能覆盖几乎停车场所有位置的泄漏问题，在泄漏点出现在十分边缘的位置的特殊情况下，本发明提供的布置方案相比根据单一泄露位置进行布置的方案，在精确性和反应速度上都有较大的提升。
2、人工鱼群算法的应用，使得氢浓度传感器的布置不再依靠定性分析，避免了定性分析可信度低、精度差、需要人员有一定工作经验的弊端，特别是当场景较为复杂时，会导致传统定性方法失效。而本发明中使用的算法由于对氢气扩散规律做了简化，使得在算法复杂程度较低的同时运算速度快、位置精度高，并且适用于各种场景的氢气泄漏问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种氢燃料电池汽车停车场传感器优化布置方法的流程示意图；
图2为本发明传感器布置问题的人工鱼群算法流程图；
图3为本发明地下停车场模型图；
图4为本发明氢浓度传感器的初始位置以及优化位置示意图
图5为本发明一种氢燃料电池汽车停车场传感器优化布置系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由于地下停车场内的车位较多，故需要考虑地下停车场内氢燃料电池汽车氢气泄漏问题的随机性。鉴于此，本发明将多种不同位置的氢燃料电池汽车的泄漏问题加以考虑，以保证氢浓度传感器布置方案在多种不同泄漏情况下均能发挥作用。
由于传统定性分析方法可信度较差，且优化过程依赖专业人员，鉴于此，本发明首先建立典型应用场景，然后对典型应用场景进行适当简化和抽象后转化为数学问题，接着借助适当的算法求解该优化数学问题，具有计算时间短，精确性好的作用。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
图1为本发明一种氢燃料电池汽车停车场传感器优化布置方法的流程示意图。如图1所示，本实施例提供的一种氢燃料电池汽车停车场传感器优化布置方法包括如下步骤。
步骤101：确定初始目标集合；所述初始目标集合包括N个人工鱼，且每个所述人工鱼均表示一个氢浓度传感器布置方案，不同的所述人工鱼表示不同的氢浓度传感器布置方案；所述氢浓度传感器布置方案表示多个氢浓度传感器在目标地下停车场上的位置坐标。
步骤102：基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案；所述综合预警能力评定时间目标函数为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从所有人工鱼的所述反应时间最大值中确定最小值的目标函数。
其中，所述步骤101具体包括：
确定目标地下停车场内停车位的数量以及各个所述停车位的位置坐标；根据所述停车位的数量以及各个所述停车位的位置坐标，确定潜在泄漏点信息；所述潜在泄漏点信息包括潜在泄漏点的数量以及各个潜在泄漏点的位置坐标；根据所述潜在泄露点信息确定初始目标集合。
其中，报警时间优化目标函数的确定过程为：
对于较为密闭的地下停车场中的氢燃料电池汽车泄漏情况，由于氢气的扩散能力极强，在不考虑通风设施和空气不循环流动的假设下，较短时间内氢气浓度就会达到平衡状态，与泄漏点距离相同的点所构成的圆上的氢气浓度大体相同，表达式可写为：
Figure 80638DEST_PATH_IMAGE005
（1）；
式中，R为氢浓度传感器与泄漏点之间的距离（在地下停车场的高度远远小于地下停车场的长度和地下停车场的宽度的情况下，在计算泄漏点与氢浓度传感器之间的距离时，可忽略地下停车场的高度）；D为氢浓度传感器附近的氢气浓度；t为泄漏开始后经历的时间；H为地下停车场室内的高度；r1为地下停车场的容积系数，即地下停车场室内障碍物和空旷空间容积分配的系数，因为室内障碍物的存在可能导致氢气的扩散受到影响，由于地下停车场一般较为宽敞，r1可以取1；ρ为氢气的密度，常温下约82.4g/m3。
式中，Qm为在氢燃料电池汽车氢系统出现破损时，泄漏点处喷出氢气的质量流量。将氢气的泄漏过程近似为绝热过程，用拉瓦尔喷管模型进行质量流量的计算，有：
Figure 420483DEST_PATH_IMAGE006
（2）；
式中，A为泄漏点面积；k为绝热系数，对于氢气为1.410；p1为储氢罐内的压力；p2为周围环境大气压力；v1为储氢罐内气体比容。
对于有出入口直通地上的地下停车场，其空气流动速率相对较快。考虑空气流动的干扰，仍然可以在氢气密闭空间内扩散规律的基础上，再将得出的结果上乘一个修正因子以反映微小气体流动对扩散速度的增益效果。在公式（1）基础上稍加改动可得某个氢浓度传感器从泄漏发生到开始报警的反应时间：
Figure 292624DEST_PATH_IMAGE003
（3）；
式中，r2是空气流动修正系数，表示因空气流动而使加快氢气扩散加快的倍率；d为氢浓度传感器的报警浓度阈值；其他符号的含义与之前相同。
第二步，在推导得出报警时间优化目标函数的基础上，采用数学方法对报警时间优化目标函数进行求解。本实施例借助了人工鱼群算法对报警时间优化目标函数进行求解。
人工鱼群算法中的关键参数有种群规模N、人工鱼视野Visual、步长Step、拥挤度因子
Figure 725136DEST_PATH_IMAGE007
、尝试次数Try—number等，这些关键参数的具体数值可以根据不同停车场的具体情况作适当的调整。
该算法中人工鱼的典型行为有四种：觅食行为、聚群行为、追尾行为和随机行为。
觅食行为即人工鱼在视野范围内寻找最优解并向其移动的行为，即人工鱼Bi在其视野内选择一个状态Bx，鱼群中的人工鱼记为B1、B2、......、Bi、......、BN，并比较二者对应的目标函数值，如果Bx是更优解，则人工鱼Bi向Bx的方向移动一次，即：
Figure 417148DEST_PATH_IMAGE008
（4）
其中，Random为随机生成的0到1之间的实数。
如果比较后发现Bx相比于Bi并不是更优解，则继续在视野中随机选择一个状态并比较，共尝试Try—number次。如果未能找到更优解，则执行随机行为。
聚群行为则是人工鱼在附近寻找同伴，并在满足某些条件时向附近人工鱼中心前进的行为。人工鱼Bi对其视野内的人工鱼数目n和它们的中心位置Bc进行分析，计算Bc和Bi对应的目标函数值，如果两目标函数值之比大于
Figure 295106DEST_PATH_IMAGE009
，则表明附近人工鱼的中心位置优于当前位置，人工鱼Bi向Bc方向移动一次，即：
Figure 254709DEST_PATH_IMAGE010
（5）
如果经判断得出附近人工鱼的中心位置并不是较优解，执行觅食行为。
追尾行为是指某人工鱼追随附近发现食物的人工鱼的行为。与聚群行为类似，对于人工鱼Bi和其视野内的最优个体Bp，如果Bp和Bp对应的目标函数值之比大于
Figure 887816DEST_PATH_IMAGE011
，则人工鱼Bi向Bp方向靠拢，即：
Figure 67124DEST_PATH_IMAGE012
（6）
如果自己就是附近人工鱼群中的最优个体，则执行觅食行为。
随机行为，即人工鱼在视野范围内随机移动并等待下一步指令的行为，这实际上是人工鱼在不处于以上任何一种行为时的缺省行为。
此外，该算法还设置了公告牌，它的作用是记录当前鱼群发现的食物浓度最大值及对应的位置信息。
在氢浓度传感器布置问题中，由于氢气密度小，易浮升，故决定将氢浓度传感器置于天花板上，即不需考虑高度方向的布置。此外，地下停车场出入口附近空气流动较快，氢气浓度测量可能不准，因此应尽量避免氢浓度传感器布置在该范围内。
由于地下停车场中车辆数目较多，每一辆氢燃料电池汽车都有发生泄漏的风险，所以需要根据地下停车场的车位数综合考虑不同位置的泄漏情况。
例如，设置（A1、A2、......、Af、......、AM）共M种泄漏情况，每种泄漏情况代表一个特定车位发生泄漏，可能发生泄露的位置被称为潜在泄漏点，如Af代表第f个车位的车辆发生氢气泄漏。
而在该优化问题中，每条人工鱼就代表一种氢浓度传感器布置方案。假如鱼群的规模为N，鱼群中的人工鱼就记为B1、B2、......、Bi、......、BN，且每条人工鱼的初始位置在允许范围内随机放置。对于n个氢浓度传感器的布置问题来说，每个氢浓度传感器有x、y两个方向的自由度，即第i条人工鱼可表示为一个坐标向量：
Figure 279931DEST_PATH_IMAGE013
（7）
对于某一特定的泄漏情况Af，该算法会先生成一个随机的坐标向量Bi，之后以第f个车位的中心作为泄漏点，就可以测量该泄漏点中心到每个氢浓度传感器的距离：
Figure 565812DEST_PATH_IMAGE014
（8）
利用公式（3）计算出每个氢浓度传感器的反应时间，记为：
Figure 838662DEST_PATH_IMAGE015
（9）
在这n个反应时间中，只有最短的反应时间是有意义的，记这个最短反应时间为：
Figure 505266DEST_PATH_IMAGE016
（10）
公式（10）表示在人工鱼Bi对应的氢浓度传感器布置方案中，发生泄漏情况Af时的最短反应时间。当然，一个合理的氢浓度传感器布置方案不能只对Af这一种泄漏情况适用，而是应该对多种不同泄漏情况都有较快的反应速度，于是，设立综合预警能力评定时间Tfinal，表示如下：
Figure 787343DEST_PATH_IMAGE017
（11）
可以表征氢浓度传感器布置方案Bi对各种泄漏情况的综合预警能力。氢浓度传感器布置方案应使综合预警能力评定时间越短越好，所以该优化问题的目标函数就是这一时间参数，即
Figure 721539DEST_PATH_IMAGE018
（9）
可以用误差是否达到规定限度来判断算法是否终止。例如在本实施例中，要求在鱼群完成一步行动并计算目标函数值后，将该目标函数值fn(x)与公告板上的值fn-1(x)相比较，如果误差小于2%，即
Figure 430869DEST_PATH_IMAGE019
，则认为精度已经达到要求，可以输出优化结果。最终计算完毕后输出的是结果是所有传感器经过优化后在地下停车场中的位置坐标，其迭代算法的完整流程图如图2所示。
鉴于此，步骤102具体包括：
步骤1：根据报警时间优化目标函数，计算当前迭代次数对应的目标集合中的标记人工鱼中每个氢浓度传感器对标记潜在泄漏点的反应时间；所述标记人工鱼为所述目标集合中的任意人工鱼，所述标记潜在泄漏点为任意潜在泄漏点。
步骤2：根据标记人工鱼中每个氢浓度传感器对标记泄漏点的反应时间，确定标记人工鱼对标记潜在泄漏点的最短反应时间。
步骤3：重复步骤1和步骤2，确定标记人工鱼对每个潜在泄漏点的最短反应时间，并对确定的所述最短反应时间进行排序，然后将最大的最短反应时间确定为标记人工鱼的综合预警能力评定时间；
步骤4：重复步骤3，确定每个人工鱼的综合预警能力评定时间，并对确定的所述综合预警能力评定时间进行排序，然后将最小的综合预警能力评定时间确定为当前迭代次数对应的最优值；
步骤5：判断当前迭代次数对应的最优值与上一迭代次数对应的最优值的误差是否小于设定阈值，若是则将当前迭代次数对应的具有最小综合预警能力评定时间的人工鱼确定为最优氢浓度传感器布置方案；若否则更新目标集合中的人工鱼，并返回步骤1。
所述报警时间优化目标函数为
Figure 319191DEST_PATH_IMAGE001
；
Figure 844106DEST_PATH_IMAGE004
表示反应时间，Qm为在氢燃料电池汽车储氢罐出现破损时泄漏点处喷出氢气的质量流量，ρ为氢气的密度，R为氢浓度传感器与潜在泄漏点之间的距离，H为目标地下停车场的高度，r1为目标地下停车场的容积系数，r2为空气流动修正系数，d为氢浓度传感器的报警浓度阈值。
进一步地，所述更新目标集合中的人工鱼，具体包括：
根据人工鱼群算法中的觅食行为、聚群行为、追尾行为和/或随机行为，更新目标集合中的人工鱼。
下面是本实施例在实际场景中的一个应用实例。
一种简化后的地下停车场模型图如图3所示，该地下停车场相对于现实中的停车场做了一定的简化，如忽略了通风口等设施，但是该地下停车场在大多数情况下都能较好地与现实情况相吻合。该地下停车场模型的原型是一个小型单层地下停车场（或多层地下停车场的某一层），地下停车场模型仅有一个入口/出口通往地上。在地下停车场模型中，共有40个停车位，总长约54米，总宽约40米。
在地下停车场的模型平面图上建立直角坐标系，按照前面的论述，氢浓度传感器布置的可行区域限制在图3黑色虚线区域对应的天花板上，该可行区域空气流动速度较慢，氢浓度传感器的浓度测量准确度高，有利于氢浓度传感器及时报警。
以最简单的情况为例，假设只有两个氢浓度传感器，而且潜在泄漏点的数量也仅有五个，如图4所示。图4中若干黑色十字所标示的位置是氢浓度传感器的初始位置，而虚线圆圈表示出来的则是潜在泄漏点的位置，它表示该车位上的氢燃料电动汽车可能会发生泄漏，即前文所说的某一种泄漏情况Af。
计算出该初始位置所对应的目标函数——综合预警能力评定时间，并按照本实施例中给出的鱼群算法流程逐渐移动各人工鱼的位置，直到满足终止条件，便可以得到优化后的氢浓度传感器布置方案。如图4所示，优化后的氢浓度传感器布置方案比起原方案在应对多种情况的泄漏时的综合响应时间有了明显进步。
对于更多氢浓度传感器、更多潜在泄漏点的情况，原理与该应用实例相同，仅仅是计算量上的差别，不会影响该方案的优化效果。
实施例二
如图5所示，本实施例提供的一种氢燃料电池汽车停车场传感器优化布置系统，包括：
初始目标集合确定模块501，用于确定初始目标集合；所述初始目标集合包括N个人工鱼，且每个所述人工鱼均表示一个氢浓度传感器布置方案，不同的所述人工鱼表示不同的氢浓度传感器布置方案；所述氢浓度传感器布置方案表示多个氢浓度传感器在目标地下停车场上的位置坐标。
最优氢浓度传感器布置方案确定模块502，用于基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案；所述综合预警能力评定时间目标函数为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从所有人工鱼的所述反应时间最大值中确定最小值的目标函数。
其中，所述初始目标集合确定模块501，具体包括：
停车位信息确定单元，用于确定目标地下停车场内停车位的数量以及各个所述停车位的位置坐标。
潜在泄漏点信息确定单元，用于根据所述停车位的数量以及各个所述停车位的位置坐标，确定潜在泄漏点信息；所述潜在泄漏点信息包括潜在泄漏点的数量以及各个所述潜在泄漏点的位置坐标。
初始目标集合确定单元，用于根据所述潜在泄露点信息确定初始目标集合。
所述最优氢浓度传感器布置方案确定模块502，具体包括：
步骤1：根据报警时间优化目标函数，计算当前迭代次数对应的目标集合中的标记人工鱼中每个氢浓度传感器对标记潜在泄漏点的反应时间；所述标记人工鱼为所述目标集合中的任意人工鱼，所述标记潜在泄漏点为任意潜在泄漏点。
步骤2：根据标记人工鱼中每个氢浓度传感器对标记泄漏点的反应时间，确定标记人工鱼对标记潜在泄漏点的最短反应时间。
步骤3：重复步骤1和步骤2，确定标记人工鱼对每个潜在泄漏点的最短反应时间，并对确定的所述最短反应时间进行排序，然后将最大的最短反应时间确定为标记人工鱼的综合预警能力评定时间。
步骤4：重复步骤3，确定每个人工鱼的综合预警能力评定时间，并对确定的所述综合预警能力评定时间进行排序，然后将最小的综合预警能力评定时间确定为当前迭代次数对应的最优值。
步骤5：判断当前迭代次数对应的最优值与上一迭代次数对应的最优值的误差是否小于设定阈值，若是则将当前迭代次数对应的具有最小综合预警能力评定时间的人工鱼确定为最优氢浓度传感器布置方案；若否则更新目标集合中的人工鱼，并返回步骤1。
所述最优氢浓度传感器布置方案确定模块502中的报警时间优化目标函数为
Figure 603115DEST_PATH_IMAGE003
；
Figure 748925DEST_PATH_IMAGE004
表示反应时间，Qm为在氢燃料电池汽车储氢罐出现破损时泄漏点处喷出氢气的质量流量，ρ为氢气的密度，R为氢浓度传感器与潜在泄漏点之间的距离，H为目标地下停车场的高度，r1为目标地下停车场的容积系数，r2为空气流动修正系数，d为氢浓度传感器的报警浓度阈值。
进一步地，在更新目标集合中的人工鱼方面，所述最优氢浓度传感器布置方案确定模块502具体包括：
根据人工鱼群算法中的觅食行为、聚群行为、追尾行为和/或随机行为，更新目标集合中的人工鱼。
本发明的有以下优点：
1、考虑了停车场不同位置的多种泄漏情况，分别计算每种泄漏情况下的最短预警时间，每个潜在泄漏点的泄漏情况都有纳入考虑，这使得算法可以适应多种情况。
2、针对地下停车场这一典型场景的氢气泄漏问题，设立综合预警能力评定时间，提出了新的优化目标函数，使该优化问题易于使用算法进行求解。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种氢燃料电池汽车停车场传感器优化布置方法，其特征在于，包括：
确定初始目标集合；所述初始目标集合包括N个人工鱼，且每个所述人工鱼均表示一个氢浓度传感器布置方案，不同的所述人工鱼表示不同的氢浓度传感器布置方案；所述氢浓度传感器布置方案表示多个氢浓度传感器在目标地下停车场上的位置坐标；
基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案；所述综合预警能力评定时间目标函数为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从所有人工鱼所述反应时间最大值中确定最小值的目标函数；
所述基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案，具体包括：
步骤1：根据报警时间优化目标函数，计算当前迭代次数对应的目标集合中的标记人工鱼中每个氢浓度传感器对标记潜在泄漏点的反应时间；所述标记人工鱼为所述目标集合中的任意人工鱼，所述标记潜在泄漏点为任意潜在泄漏点；
步骤2：根据标记人工鱼中每个氢浓度传感器对标记泄漏点的反应时间，确定标记人工鱼对标记潜在泄漏点的最短反应时间；
步骤3：重复步骤1和步骤2，确定标记人工鱼对每个潜在泄漏点的最短反应时间，并对确定的所述最短反应时间进行排序，然后将最大的最短反应时间确定为标记人工鱼的综合预警能力评定时间；
步骤4：重复步骤3，确定每个人工鱼的综合预警能力评定时间，并对确定的所述综合预警能力评定时间进行排序，然后将最小的综合预警能力评定时间确定为当前迭代次数对应的最优值；
步骤5：判断当前迭代次数对应的最优值与上一迭代次数对应的最优值的误差是否小于设定阈值，若是则将当前迭代次数对应的具有最小综合预警能力评定时间的人工鱼确定为最优氢浓度传感器布置方案；若否则更新目标集合中的人工鱼，并返回步骤1；
所述报警时间优化目标函数为
Figure DEST_PATH_IMAGE002
；
Figure DEST_PATH_IMAGE003
表示反应时间，Qm为在氢燃料电池汽车储氢罐出现破损时泄漏点处喷出氢气的质量流量，ρ为氢气的密度，R为氢浓度传感器与潜在泄漏点之间的距离，H为目标地下停车场的高度，r1为目标地下停车场的容积系数，r2为空气流动修正系数，d为氢浓度传感器的报警浓度阈值。
2.根据权利要求1所述的一种氢燃料电池汽车停车场传感器优化布置方法，其特征在于，所述确定初始目标集合，具体包括：
确定目标地下停车场内停车位的数量以及各个所述停车位的位置坐标；
根据所述停车位的数量以及各个所述停车位的位置坐标，确定潜在泄漏点信息；所述潜在泄漏点信息包括潜在泄漏点的数量以及各个所述潜在泄漏点的位置坐标；
根据所述潜在泄露点信息确定初始目标集合。
3.根据权利要求1所述的一种氢燃料电池汽车停车场传感器优化布置方法，其特征在于，所述更新目标集合中的人工鱼，具体包括：
根据人工鱼群算法中的觅食行为、聚群行为、追尾行为和/或随机行为，更新目标集合中的人工鱼。
4.一种氢燃料电池汽车停车场传感器优化布置系统，其特征在于，包括：
初始目标集合确定模块，用于确定初始目标集合；所述初始目标集合包括N个人工鱼，且每个所述人工鱼均表示一个氢浓度传感器布置方案，不同的所述人工鱼表示不同的氢浓度传感器布置方案；所述氢浓度传感器布置方案表示多个氢浓度传感器在目标地下停车场上的位置坐标；
最优氢浓度传感器布置方案确定模块，用于基于所述初始目标集合和人工鱼群算法，迭代求解综合预警能力评定时间目标函数，以得到最优氢浓度传感器布置方案；所述综合预警能力评定时间目标函数为先计算每个所述人工鱼对应的多种泄露情况反应时间的最大值，然后从所有人工鱼所述反应时间最大值中确定最小值的目标函数；
所述最优氢浓度传感器布置方案确定模块，具体包括：
步骤1：根据报警时间优化目标函数，计算当前迭代次数对应的目标集合中的标记人工鱼中每个氢浓度传感器对标记潜在泄漏点的反应时间；所述标记人工鱼为所述目标集合中的任意人工鱼，所述标记潜在泄漏点为任意潜在泄漏点；
步骤2：根据标记人工鱼中每个氢浓度传感器对标记泄漏点的反应时间，确定标记人工鱼对标记潜在泄漏点的最短反应时间；
步骤3：重复步骤1和步骤2，确定标记人工鱼对每个潜在泄漏点的最短反应时间，并对确定的所述最短反应时间进行排序，然后将最大的最短反应时间确定为标记人工鱼的综合预警能力评定时间；
步骤4：重复步骤3，确定每个人工鱼的综合预警能力评定时间，并对确定的所述综合预警能力评定时间进行排序，然后将最小的综合预警能力评定时间确定为当前迭代次数对应的最优值；
步骤5：判断当前迭代次数对应的最优值与上一迭代次数对应的最优值的误差是否小于设定阈值，若是则将当前迭代次数对应的具有最小综合预警能力评定时间的人工鱼确定为最优氢浓度传感器布置方案；若否则更新目标集合中的人工鱼，并返回步骤1；
所述报警时间优化目标函数为
Figure DEST_PATH_IMAGE002A
；
Figure 959072DEST_PATH_IMAGE003
表示反应时间，Qm为在氢燃料电池汽车储氢罐出现破损时泄漏点处喷出氢气的质量流量，ρ为氢气的密度，R为氢浓度传感器与潜在泄漏点之间的距离，H为目标地下停车场的高度，r1为目标地下停车场的容积系数，r2为空气流动修正系数，d为氢浓度传感器的报警浓度阈值。
5.根据权利要求4所述的一种氢燃料电池汽车停车场传感器优化布置系统，其特征在于，所述初始目标集合确定模块，具体包括：
停车位信息确定单元，用于确定目标地下停车场内停车位的数量以及各个所述停车位的位置坐标；
潜在泄漏点信息确定单元，用于根据所述停车位的数量以及各个所述停车位的位置坐标，确定潜在泄漏点信息；所述潜在泄漏点信息包括潜在泄漏点的数量以及各个所述潜在泄漏点的位置坐标；
初始目标集合确定单元，用于根据所述潜在泄露点信息确定初始目标集合。
6.根据权利要求4所述的一种氢燃料电池汽车停车场传感器优化布置系统，其特征在于，在更新目标集合中的人工鱼方面，所述最优氢浓度传感器布置方案确定模块具体包括：
根据人工鱼群算法中的觅食行为、聚群行为、追尾行为和/或随机行为，更新目标集合中的人工鱼。
CN202111518585.2A 2021-12-14 2021-12-14 一种氢燃料电池汽车停车场传感器优化布置方法及系统 Active CN113919238B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111518585.2A CN113919238B (zh) 2021-12-14 2021-12-14 一种氢燃料电池汽车停车场传感器优化布置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111518585.2A CN113919238B (zh) 2021-12-14 2021-12-14 一种氢燃料电池汽车停车场传感器优化布置方法及系统

Publications (2)

Publication Number Publication Date
CN113919238A CN113919238A (zh) 2022-01-11
CN113919238B true CN113919238B (zh) 2022-03-01

Family

ID=79248954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111518585.2A Active CN113919238B (zh) 2021-12-14 2021-12-14 一种氢燃料电池汽车停车场传感器优化布置方法及系统

Country Status (1)

Country Link
CN (1) CN113919238B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116164243A (zh) * 2023-04-26 2023-05-26 北京理工大学 一种氢泄漏检测定位系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109654384B (zh) * 2019-01-29 2024-04-02 南京工业大学 基于pso-vmd算法的管道泄漏检测装置及检测方法
CN112446457B (zh) * 2020-12-02 2023-07-18 中国计量大学 一种基于改进人工鱼群算法的气体泄漏源定位方法
CN112637775A (zh) * 2020-12-21 2021-04-09 西安邮电大学 一种基于三维环境的无线传感器网络节点部署方法及系统

Also Published As

Publication number Publication date
CN113919238A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
CN113919238B (zh) 一种氢燃料电池汽车停车场传感器优化布置方法及系统
CN108446727B (zh) 驾驶行为决策方法、系统和电子设备
CN114662344B (zh) 基于连续在线观测数据的大气污染溯源预测方法及系统
CN113220018B (zh) 一种无人机路径规划方法、装置、存储介质及电子设备
CN116310898A (zh) 基于神经网络和惠更斯原理的林火蔓延预测方法和系统
CN114966651A (zh) 可行驶区域检测方法、计算机设备、存储介质及车辆
CN116702335B (zh) 一种燃料电池汽车氢浓度传感器优化布置方法及开关方法
CN113343359B (zh) 一种自动驾驶预期功能安全触发条件评估方法及系统
CN117351440B (zh) 基于开放式文本检测的半监督船舶检测方法及系统
CN116341231B (zh) 人工增雨催化剂扩散轨迹的模拟方法、装置、服务器和存储介质
CN108798871B (zh) 车辆燃料冷却
CN116523970B (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN112268564A (zh) 一种无人机降落空间位置和姿态端到端估计方法
CN105180955A (zh) 机动车实时精准定位方法及装置
CN112802343B (zh) 面向虚拟算法验证的通用虚拟传感数据采集方法及系统
CN117454563A (zh) 基于风险频率的泄漏探测覆盖率检测方法及装置
CN114842074A (zh) 一种基于模型匹配的无人机影像定位方法
US10871519B2 (en) Fuel cell stack prediction utilizing IHOS
KR20230027929A (ko) 이차전지 배터리 팩과 모듈의 진단 장치 및 방법
Park et al. Sonar sensor-based efficient exploration method using sonar salient features and several gains
CN111505664A (zh) 一种基于障碍物测试的测试房间及测试方法
CN116013018B (zh) 一种基于无人机探测的森林防火预警分析方法及系统
CN116628863B (zh) 车辆风阻系数确定方法、设备和介质
Zhou et al. Hydrogen leakage source positioning method in deep belief network based on fully confined space Gaussian distribution model
CN115952926B (zh) 危险气体扩散范围预测方法、系统、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant