CN116702335B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN116702335B
CN116702335B CN202310980433.7A CN202310980433A CN116702335B CN 116702335 B CN116702335 B CN 116702335B CN 202310980433 A CN202310980433 A CN 202310980433A CN 116702335 B CN116702335 B CN 116702335B
Authority
CN
China
Prior art keywords
hydrogen concentration
arrangeable
concentration sensor
experimental data
determining
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
CN202310980433.7A
Other languages
English (en)
Other versions
CN116702335A (zh
Inventor
李建威
黄振威
饶慧
滕越
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 CN202310980433.7A priority Critical patent/CN116702335B/zh
Publication of CN116702335A publication Critical patent/CN116702335A/zh
Application granted granted Critical
Publication of CN116702335B publication Critical patent/CN116702335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开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，属于新能源技术领域。所述优化布置方法包括：建立燃料电池汽车环境数字模型；基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度；构造目标函数；采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置。本发明综合考虑了冷机状态下环境的风速及风向对氢泄漏扩散的影响，提高了氢浓度传感器布置的精度，进而提高氢浓度传感器的检测精度，并减小氢浓度传感器的响应时间。

Description

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
技术领域
本发明涉及新能源技术领域，特别是涉及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。
背景技术
随着燃料电池汽车的发展，氢能作为燃料电池汽车的能源，也逐步得到关注，关于燃料电池安全的问题也逐步被重视，而氢浓度传感器是燃料电池车辆监测氢泄漏的重要工具，除了提高氢浓度传感器自身的监测精度外，优化氢浓度传感器的布局，也能够优化氢浓度传感器的响应时间和检测精度。但是目前对于燃料电池汽车的氢浓度传感器优化布局的研究较少，多是基于经验的检测，将氢浓度传感器布置在高风险区域。
发明内容
本发明的目的是提供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，以提高氢浓度传感器布置的精度，进而提高氢浓度传感器的检测精度，并减小氢浓度传感器的响应时间。
为实现上述目的，本发明提供了如下方案：
本发明提供一种燃料电池汽车氢浓度传感器优化布置方法，所述优化布置方法包括如下步骤：
建立燃料电池汽车环境数字模型；
设置不同实验数据，基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；所述实验数据用于表征泄露模拟的环境条件，所述环境条件包括预设风向和预设风速，所述预设风向通过自车身角度沿顺时针方向进行360°均分取值得到，预设风速通过对极限范围内的风速进行均分取值得到；
基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度；
构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数；
采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置。
可选的，所述基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度，之前还包括：
按照氢浓度传感器布置在上半部分的原则，在所述燃料电池汽车环境数字模型中划分出氢浓度传感器的可布置平面区域。
可选的，所述目标函数为：
；
；
其中，F(x,y)k为第k个可布置平面区域的目标函数，L(i,j)为第（i，j）组实验数据对应的氢浓度权重系数，r为常数，第（i，j）组实验数据用于表征风向为第i个预设风向、风速为第j个预设风速的环境条件；n为预设风向的数量，m为预设风速的数量，x和y为第k个可布置平面区域上布置的氢浓度传感器的横坐标和纵坐标，x(i,j,k)和y(i,j,k)为第（i，j）组实验数据对应的第k个可布置平面区域的重心的横坐标和纵坐标，C(i,j,k)为第（i，j）组实验数据模拟的第k个可布置平面区域上的最大氢气浓度。
可选的，在采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置的过程中：
所述粒子群算法的位置向量为第k个可布置平面区域上布置的氢浓度传感器的横坐标和纵坐标；
所述粒子群算法的适应度函数为所述目标函数；
所述粒子群算法的速度更新公式为：
；
其中，和/>分别表示第m次和第m+1次更新后第l个粒子的速度向量，表示第l个粒子在第m次迭代后的历史最优位置向量，/>表示粒子群在第m次迭代后的历史最优位置向量，/>表示第l个粒子在第m次迭代后的位置向量，w为权重系数，c1和c2分别为第一学习因子和第二学习因子，r1和r2分别为[0,1]内的第一随机数和第二随机数；
所述粒子群算法的位置更新公式为：
；
其中，表示第l个粒子在第m+1次迭代后的位置向量。
一种燃料电池汽车氢浓度传感器优化布置系统，所述优化布置系统应用于上述的优化布置方法，所述优化布置系统包括：
模型建立模块，用于建立燃料电池汽车环境数字模型；
泄露位置模拟模块，用于设置不同实验数据，基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；所述实验数据用于表征泄露模拟的环境条件，所述环境条件包括预设风向和预设风速，所述预设风向通过自车身角度沿顺时针方向进行360°均分取值得到，预设风速通过对极限范围内的风速进行均分取值得到；
最大氢气浓度确定模块，用于基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度；
目标函数构造模块，用于构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数；
目标函数优化求解模块，用于采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置。
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的优化布置方法。
一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现上述的优化布置方法。
一种燃料电池汽车氢浓度传感器的开关方法，燃料电池汽车氢浓度传感器采用上述的优化布置方法进行布置，所述开关方法包括如下步骤：
获取环境的实际风向和实际风速；
确定与所述实际风向最接近的预设风向，作为目标风向；
确定与所述实际风速最接近的预设风速，作为目标风速；
确定所述目标风向和所述目标风速组成的实验数据模拟的每个可布置平面区域上的最大氢气浓度，并选取最大氢气浓度大于第一氢气浓度阈值的可布置平面区域作为目标打开区域；
打开所述目标打开区域上布置的氢浓度传感器。
一种燃料电池汽车氢浓度传感器的开关系统，所述开关系统应用于上述的开关方法，所述开关系统包括：
实际环境数据获取模块，用于获取环境的实际风向和实际风速；
目标风向确定模块，用于确定与所述实际风向最接近的预设风向，作为目标风向；
目标风速确定模块，用于确定与所述实际风向最接近的预设风向，作为目标风速；
目标打开区域确定模块，用于确定所述目标风向和所述目标风速组成的实验数据模拟的每个可布置平面区域上的最大氢气浓度，并选取最大氢气浓度大于第一氢气浓度阈值的可布置平面区域作为目标打开区域；
氢浓度传感器打开模块，用于打开所述目标打开区域上布置的氢浓度传感器。
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的开关方法。
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：
本发明实施例提供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，所述优化布置方法包括：建立燃料电池汽车环境数字模型；设置不同实验数据，基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；所述实验数据用于表征泄露模拟的环境条件，所述环境条件包括预设风向和预设风速，所述预设风向通过自车身角度沿顺时针方向进行360°均分取值得到，预设风速通过对极限范围内的风速进行均分取值得到；基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度；构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数；采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置。本发明综合考虑了冷机状态下环境的风速及风向对氢泄漏扩散的影响，弥补了目前市场上基于现场经验在检测精度，具有多场景下的适应性，提高氢浓度传感器布置的精度，进而提高氢浓度传感器的检测精度，并减小氢浓度传感器的响应时间，同时利用数值模拟降低了部分试验成本。
本发明的开关方法解决了氢浓度传感器常开耗电量高的问题。
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为本发明实施例提供的一种燃料电池汽车氢浓度传感器优化布置方法的流程图；
图2为本发明实施例提供的粒子群算法的流程图；
图3为本发明实施例提供的一种燃料电池汽车氢浓度传感器的开关方法的流程图。
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。
本发明的目的是提供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，以提高氢浓度传感器布置的精度，进而提高氢浓度传感器的检测精度，并减小氢浓度传感器的响应时间。
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1
本发明提供一种燃料电池汽车氢浓度传感器优化布置方法，如图1所示，所述优化布置方法包括如下步骤：
步骤101，建立燃料电池汽车环境数字模型.
步骤102，设置不同实验数据，基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；所述实验数据用于表征泄露模拟的环境条件，所述环境条件包括预设风向和预设风速，所述预设风向通过自车身角度沿顺时针方向进行360°均分取值得到，预设风速通过对极限范围内的风速进行均分取值得到；
步骤102，具体包括：
设置环境风向与风速，即得到预设风向和预设风速，预设风向自车身角度沿顺时针方向均分为N组，每组的角度记为，i为正整数，i=0，1，2，…,n,n为预设风向的数量。每个预设风向的预设风速由0-V，划分获取m个，每个预设风速记为/>，j=1，2，…,m，m为预设风速的数量，则每组实验数据模拟的环境条件可得为/>。
对极限泄漏位置进行泄露模拟实验，得到每组实验数据模拟的氢浓度分布云图记为，且平面云图的色度大小反映了该位置的氢气浓度大小。
步骤103，基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度。
步骤103具体包括：
按照氢浓度传感器布置在上半部分的原则，在所述燃料电池汽车环境数字模型中划分出氢浓度传感器的可布置平面区域，具体为：将燃料电池汽车环境仿真模型导入计算机辅助设计软件，并根据不同车型和氢浓度传感器布置在上半部分的原则划分出氢浓度传感器可布置平面区域，记为平面，k=1,2,…,p；p为可布置平面区域个数。
通过数值模拟工具获取每组实验数据模拟的每个可布置平面区域的氢浓度分布云图及最大氢气浓度。
步骤104，构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数。
步骤104具体包括：
第（i，j）组实验数据模拟的第k个可布置平面区域的氢浓度分布云图为，并利用实例分割算法，获得第（i，j）组实验数据模拟的第k个可布置平面区域的氢浓度分布云图的重心记为/>，第（i，j）组实验数据模拟的第k个可布置平面区域的氢浓度分布云图的氢气浓度最高点即为第（i，j）组实验数据模拟的第k个可布置平面区域的最大氢气浓度/>，并将每组实验数据获取的第k个可布置平面区域的氢浓度分布云图依次集合至第k个可布置平面区域，所得的平面区域记为/>。
构造氢浓度权重系数为；
；
其中，L(i,j)为第（i，j）组实验数据对应的氢浓度权重系数，r为常数，C(i,j,k)为第（i，j）组实验数据模拟的第k个可布置平面区域上的最大氢气浓度。
构造目标函数为：
；
；
其中，F(x,y)k为第k个可布置平面区域的目标函数，L(i,j)为第（i，j）组实验数据对应的氢浓度权重系数，r为常数，第（i，j）组实验数据用于表征风向为第i个预设风向、风速为第j个预设风速的环境条件；n为预设风向的数量，m为预设风速的数量，x和y为第k个可布置平面区域上布置的氢浓度传感器的横坐标和纵坐标，x(i,j,k)和y(i,j,k)为第（i，j）组实验数据对应的第k个可布置平面区域的重心的横坐标和纵坐标，C(i,j,k)为第（i，j）组实验数据模拟的第k个可布置平面区域上的最大氢气浓度。
步骤105，采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置。
如图2所述步骤105具体包括：
利用PSO寻优算法获得综合最优布置位置，具体包括以下步骤：
利用PSO算法求出目标函数最小值，并求出对应的点，记为，即为氢浓度传感器的安装位置。
获取的可布置平面边界，0≤x≤Xkmax，0≤y≤Ykmax,Xkmax为/>在X方向边界值，Ykmax为/>在Y方向边界值。
设置种群个数N，设置可行解维数d，初始化最大迭代次数M。
设置初始化种群的位置和速度。
第k个可布置平面区域上的第l个粒子速度向量为Vlk=(Vl1k,Vl2k)。
第k个可布置平面区域上的第l个粒子位置向量为Plk=(xlk,ylk)。
设置适应度函数为：
。
根据公式更新粒子群速度和粒子群位置：
。
。
其中w为权重系数，r1，r2分别为[0,1]内的第一随机数和第二随机数，c1和c2分别为第一学习因子和第二学习因子，和/>分别表示第m次和第m+1次更新后第l个粒子的速度向量，/>表示第l个粒子在第m次迭代后的历史最优位置向量（即个体最优值），/>表示粒子群在第m次迭代后的历史最优位置向量（即群体最优值），/>表示第l个粒子在第m次迭代后的位置向量。
重复迭代，直至找到最优解，获得最佳位置后布置氢浓度传感器。
实施例2
本发明实施例2提供一种燃料电池汽车氢浓度传感器优化布置系统，所述优化布置系统应用于实施例1的优化布置方法，所述优化布置系统包括：
模型建立模块，用于建立燃料电池汽车环境数字模型。
泄露位置模拟模块，用于设置不同实验数据，基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；所述实验数据用于表征泄露模拟的环境条件，所述环境条件包括预设风向和预设风速，所述预设风向通过自车身角度沿顺时针方向进行360°均分取值得到，预设风速通过对极限范围内的风速进行均分取值得到。
最大氢气浓度确定模块，用于基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度。
目标函数构造模块，用于构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数。
目标函数优化求解模块，用于采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置。
实施例3
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1的优化布置方法。
实施例4
一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现实施例1的优化布置方法。
实施例5
一种燃料电池汽车氢浓度传感器的开关方法，燃料电池汽车氢浓度传感器采用实施例1的优化布置方法进行布置，如图3所示，所述开关方法包括如下步骤：
获取环境的实际风向和实际风速，具体为，获取环境中的实际风速和实际风向，并记为，本发明实施例中利用风速、风向传感器进行实际风向和实际风速的获取。
确定与所述实际风向最接近的预设风向，作为目标风向，具体为，将实际风向划分到上述的/>区间，若/>，则令/>，否则令/>。
确定与所述实际风速最接近的预设风速，作为目标风速，具体为，将实际风速划分到上述的/>区间，若/>，则令/>，否则令。
确定所述目标风向和所述目标风速组成的实验数据模拟的每个可布置平面区域上的最大氢气浓度，并选取最大氢气浓度大于第一氢气浓度阈值的可布置平面区域作为目标打开区域。
获得对应的目标打开区域，打开布置在上面的氢浓度传感器检测环境氢气浓度，关闭其它位置氢浓度传感器。
若目标打开区域的氢浓度传感器检测的氢气浓度大于所设的第二氢气浓度阈值，则通过车内通信设备发送短信通知车主氢气发生泄漏，其中，第一氢气浓度阈值小于第二氢气浓度阈值。
实施例5
本发明实施例5提供一种燃料电池汽车氢浓度传感器的开关系统，所述开关系统应用于上述的开关方法，所述开关系统包括：
实际环境数据获取模块，用于获取环境的实际风向和实际风速。
目标风向确定模块，用于确定与所述实际风向最接近的预设风向，作为目标风向。
目标风速确定模块，用于确定与所述实际风向最接近的预设风向，作为目标风速。
目标打开区域确定模块，用于确定所述目标风向和所述目标风速组成的实验数据模拟的每个可布置平面区域上的最大氢气浓度，并选取最大氢气浓度大于第一氢气浓度阈值的可布置平面区域作为目标打开区域。
氢浓度传感器打开模块，用于打开所述目标打开区域上布置的氢浓度传感器。
实施例6
一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例4的开关方法。
基于上述实施例本发明的技术方案的有益效果为：
本发明实施例综合考虑了冷机状态下环境风速及其风向对氢泄漏扩散的影响，弥补了目前市场上基于现场经验在检测精度，具有多场景下的适应性，同时利用数值模拟降低了部分试验成本，同时解决了氢浓度传感器常开耗电量高的问题。
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 (8)

1.一种燃料电池汽车氢浓度传感器优化布置方法，其特征在于，所述优化布置方法包括如下步骤：
建立燃料电池汽车环境数字模型；
设置不同实验数据，基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；所述实验数据用于表征泄露模拟的环境条件，所述环境条件包括预设风向和预设风速，所述预设风向通过自车身角度沿顺时针方向进行360°均分取值得到，预设风速通过对极限范围内的风速进行均分取值得到；
基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度；
构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数；
采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置；
构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数，具体包括：
构造氢浓度权重系数为；
L(i,j)＝rC(i,j,k)
其中，L(i,j)为第(i，j)组实验数据对应的氢浓度权重系数，r为常数，C(i,j,k)为第(i，j)组实验数据模拟的第k个可布置平面区域上的最大氢气浓度；
构造目标函数为：
其中，F(x,y)k为第k个可布置平面区域的目标函数，第(i，j)组实验数据用于表征风向为第i个预设风向、风速为第j个预设风速的环境条件；n为预设风向的数量，m为预设风速的数量，x和y为第k个可布置平面区域上布置的氢浓度传感器的横坐标和纵坐标，x(i，j，k)和y(i，j，k)为第(i，j)组实验数据对应的第k个可布置平面区域的重心的横坐标和纵坐标；
采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置，具体包括：
利用PSO算法求出目标函数最小值，并求出对应的点，记为(X’k，Y’k)，即为氢浓度传感器的安装位置；
获取P(i，j，k)的可布置平面边界，0≤x≤Xkmax，0≤y≤Ykmax，Xkmax为P(i，j，k)在X方向边界值，Ykmax为P(i，j，k)在Y方向边界值；
设置种群个数N，设置可行解维数d，初始化最大迭代次数M；
设置初始化种群的位置和速度；
第k个可布置平面区域上的第l个粒子速度向量为Vlk＝(Vl1k，Vl2k)；
第k个可布置平面区域上的第l个粒子位置向量为Plk＝(xlk，ylk)；
设置适应度函数为：
根据公式更新粒子群速度和粒子群位置：
其中，W为权重系数，r1，r2分别为[0，1]内的第一随机数和第二随机数，c1和c2分别为第一学习因子和第二学习因子，和/>分别表示第m次和第m+1次更新后第1个粒子的速度向量，/>表示第1个粒子在第m次迭代后的历史最优位置向量，/>表示粒子群在第m次迭代后的历史最优位置向量，/>表示第1个粒子在第m次迭代后的位置向量；
重复迭代，直至找到最优解(X’k，Y’k)，获得最佳位置后布置氢浓度传感器。
2.根据权利要求1所述的燃料电池汽车氢浓度传感器优化布置方法，其特征在于，所述基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度，之前还包括：
按照氢浓度传感器布置在上半部分的原则，在所述燃料电池汽车环境数字模型中划分出氢浓度传感器的可布置平面区域。
3.一种燃料电池汽车氢浓度传感器优化布置系统，其特征在于，所述优化布置系统应用于权利要求1-2任一项所述的优化布置方法，所述优化布置系统包括：
模型建立模块，用于建立燃料电池汽车环境数字模型；
泄露位置模拟模块，用于设置不同实验数据，基于所述燃料电池汽车环境数字模型对极限泄漏位置进行泄露模拟，确定每组实验数据模拟的氢浓度分布云图；所述实验数据用于表征泄露模拟的环境条件，所述环境条件包括预设风向和预设风速，所述预设风向通过自车身角度沿顺时针方向进行360°均分取值得到，预设风速通过对极限范围内的风速进行均分取值得到；
最大氢气浓度确定模块，用于基于每组实验数据模拟的氢浓度分布云图，确定每组实验数据模拟的每个可布置平面区域上的最大氢气浓度；
目标函数构造模块，用于构造关于可布置平面区域上氢浓度传感器布置位置、可布置平面区域的重心及最大氢气浓度的目标函数；
目标函数优化求解模块，用于采用粒子群算法优化求解所述目标函数，确定每个可布置平面区域上的氢浓度传感器的最优布置位置，进行氢浓度传感器的布置。
4.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述的优化布置方法。
5.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现如权利要求1至2中任一项所述的优化布置方法。
6.一种燃料电池汽车氢浓度传感器的开关方法，其特征在于，燃料电池汽车氢浓度传感器采用权利要求1-2任一项所述的优化布置方法进行布置，所述开关方法包括如下步骤：
获取环境的实际风向和实际风速；
确定与所述实际风向最接近的预设风向，作为目标风向；
确定与所述实际风速最接近的预设风速，作为目标风速；
确定所述目标风向和所述目标风速组成的实验数据模拟的每个可布置平面区域上的最大氢气浓度，并选取最大氢气浓度大于第一氢气浓度阈值的可布置平面区域作为目标打开区域；
打开所述目标打开区域上布置的氢浓度传感器。
7.一种燃料电池汽车氢浓度传感器的开关系统，其特征在于，所述开关系统应用于权利要求6所述的开关方法，所述开关系统包括：
实际环境数据获取模块，用于获取环境的实际风向和实际风速；
目标风向确定模块，用于确定与所述实际风向最接近的预设风向，作为目标风向；
目标风速确定模块，用于确定与所述实际风向最接近的预设风向，作为目标风速；
目标打开区域确定模块，用于确定所述目标风向和所述目标风速组成的实验数据模拟的每个可布置平面区域上的最大氢气浓度，并选取最大氢气浓度大于第一氢气浓度阈值的可布置平面区域作为目标打开区域；
氢浓度传感器打开模块，用于打开所述目标打开区域上布置的氢浓度传感器。
8.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求6所述的开关方法。
CN202310980433.7A 2023-08-07 2023-08-07 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 Active CN116702335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310980433.7A CN116702335B (zh) 2023-08-07 2023-08-07 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310980433.7A CN116702335B (zh) 2023-08-07 2023-08-07 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

Publications (2)

Publication Number Publication Date
CN116702335A CN116702335A (zh) 2023-09-05
CN116702335B true CN116702335B (zh) 2024-02-06

Family

ID=87841815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310980433.7A Active CN116702335B (zh) 2023-08-07 2023-08-07 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

Country Status (1)

Country Link
CN (1) CN116702335B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117153712B (zh) * 2023-09-18 2024-03-29 苏州恩腾半导体科技有限公司 半导体清洗设备腔室内部的综合监控系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104101686A (zh) * 2014-07-01 2014-10-15 聚光科技(杭州)股份有限公司 一种气体监测方法
CN106484987A (zh) * 2016-09-29 2017-03-08 中国科学院上海高等研究院 基于粒子群算法的气体传感器优化部署方法及系统
CN111595382A (zh) * 2020-06-01 2020-08-28 合肥学院 一种室内甲醛浓度分布及监测系统
CN113221303A (zh) * 2021-05-28 2021-08-06 北京理工大学 一种半封闭空间氢气传感器优化布置方法
CN114036734A (zh) * 2021-11-03 2022-02-11 北京工业大学 一种基于数字孪生的车用氢气传感器布局优化方法及系统
CN114520351A (zh) * 2020-11-18 2022-05-20 郑州宇通客车股份有限公司 一种燃料电池系统及其故障检测方法、氢气泄漏检测方法
CN114580075A (zh) * 2021-11-29 2022-06-03 北京工业大学 一种氢燃料客车舱内氢泄漏传感器分级布局方法及系统
CN114827929A (zh) * 2022-03-16 2022-07-29 西安电子科技大学 基于改进粒子群算法的多传感器网络协同部署方法及装置
CN115314905A (zh) * 2022-06-24 2022-11-08 桂林电子科技大学 一种考虑可燃气体扩散规律的传感器优化部署方法
CN116522710A (zh) * 2023-04-03 2023-08-01 广东电网有限责任公司东莞供电局 基于粒子群算法的加速度传感器布置方法、装置、介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107172626B (zh) * 2017-04-18 2020-04-24 中国矿业大学 一种co2地质封存区域的传感网络节点定位优化方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104101686A (zh) * 2014-07-01 2014-10-15 聚光科技(杭州)股份有限公司 一种气体监测方法
CN106484987A (zh) * 2016-09-29 2017-03-08 中国科学院上海高等研究院 基于粒子群算法的气体传感器优化部署方法及系统
CN111595382A (zh) * 2020-06-01 2020-08-28 合肥学院 一种室内甲醛浓度分布及监测系统
CN114520351A (zh) * 2020-11-18 2022-05-20 郑州宇通客车股份有限公司 一种燃料电池系统及其故障检测方法、氢气泄漏检测方法
CN113221303A (zh) * 2021-05-28 2021-08-06 北京理工大学 一种半封闭空间氢气传感器优化布置方法
CN114036734A (zh) * 2021-11-03 2022-02-11 北京工业大学 一种基于数字孪生的车用氢气传感器布局优化方法及系统
CN114580075A (zh) * 2021-11-29 2022-06-03 北京工业大学 一种氢燃料客车舱内氢泄漏传感器分级布局方法及系统
CN114827929A (zh) * 2022-03-16 2022-07-29 西安电子科技大学 基于改进粒子群算法的多传感器网络协同部署方法及装置
CN115314905A (zh) * 2022-06-24 2022-11-08 桂林电子科技大学 一种考虑可燃气体扩散规律的传感器优化部署方法
CN116522710A (zh) * 2023-04-03 2023-08-01 广东电网有限责任公司东莞供电局 基于粒子群算法的加速度传感器布置方法、装置、介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于改进蚁群算法的无线传感器网络节点部署;黄亮;;计算机测量与控制(第09期);261-263 *
基于粒子群优化算法的水质传感器优化部署研究;余幸运;孙茜;王小艺;许继平;王立;张慧妍;;传感器与微系统(第12期);36-38+42 *

Also Published As

Publication number Publication date
CN116702335A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
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
CN111007399B (zh) 基于改进生成对抗网络的锂电池荷电状态预测方法
CN109214422B (zh) 基于dcgan的停车数据修补方法、装置、设备及存储介质
CN105160444A (zh) 电力设备故障率确定方法及系统
CN104899135A (zh) 软件缺陷预测方法和系统
CN110069993A (zh) 一种基于深度学习的目标车辆检测方法
CN106503846A (zh) 一种电力设备巡检路线计算方法
CN102842043A (zh) 基于自动聚类的粒子群优化分类方法
CN112381313A (zh) 充电桩地址的确定方法和装置
CN115578870A (zh) 一种基于近端策略优化的交通信号控制方法
CN116643196A (zh) 一种融合机理与数据驱动模型的电池健康状态估计方法
CN112036598A (zh) 一种基于多信息耦合的充电桩使用信息预测方法
Fan Research on deep learning energy consumption prediction based on generating confrontation network
CN105469054A (zh) 正常行为的模型构建方法及异常行为的检测方法
CN113487889A (zh) 基于快速梯度下降的单交叉口信号控制的交通状态对抗扰动生成方法
CN117150334A (zh) 一种基于优化后的BiLSTM神经网络的锂电池多状况预测方法和装置
CN116960948A (zh) 针对台风的电网调控方法、系统、电子设备及存储介质
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
CN114462294A (zh) 一种两阶段代理模型辅助参数估计方法以及系统
CN111767981B (zh) Mish激活函数的近似计算方法
CN109376446A (zh) 基于粒子群算法的极化曲线拟合方法
US11687689B2 (en) Capacity forecasting
US20220083903A1 (en) Load forecasting
CN113095360A (zh) 一种风机结冰检测模型的构建方法及其应用
CN117106849B (zh) 一种城市空气微生物生态分布监测方法

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