李长安
- 作品数：5 被引量：45H指数：3
- 供职机构：燕山大学河北省重型机械流体动力传输与控制重点实验室更多>>
- 发文基金：河北省自然科学基金国家自然科学基金更多>>
- 相关领域：机械工程电气工程一般工业技术交通运输工程更多>>
- 液控斗轮取料机取料状态监测与分析被引量：1
- 2017年
- 针对当前斗轮取料机取料重量监测不及时的问题,根据斗轮驱动功率与斗轮取料量的匹配关系,对斗轮取料量在线动态实时监测。建立了斗轮驱动泵控马达闭式液压系统数学模型和斗轮取料受力分析模型,分析了泵出口压力、斗轮轴扭矩及取料量之间的关系。在斗轮转速相对稳定的情况下,通过实验验证,可以利用泵出口压力在线动态实时监测斗轮取料量。
- 邢承海李长安韩全乐沈凯凯张立杰
- 关键词：斗轮取料机实时监测
- 基于改进樽海鞘群算法的卸车调度优化被引量：3
- 2021年
- 针对港口载煤列车的卸车调度流程主要依靠工人经验进行调度作业,存在决策时间长、作业冲突和列车在港时间过长等问题。以列车在港时间最少为总优化目标,在已知列车到港时间及堆垛与煤种对应关系的前提下,考虑工作机械可用性、作业流程可达性及其相互约束关系等因素,构建了卸车调度数学模型。提出了一种基于改进樽海鞘优化算法的优化调度方法。引入自适应惯性权重,可有效地提高算法收敛速度;引入随机柯西变异策略,可有效地提高算法寻优能力。5个测试函数的测试结果表明:相比于樽海鞘优化算法、自适应樽海鞘优化算法、粒子群算法与鲸鱼优化算法,改进樽海鞘优化算法收敛速度更快,精度更高。港口堆场作业实际数据的仿真实验表明:改进樽海鞘优化算法可优化出满意的卸车调度任务,减少了火车总在港时间,提高了港口总体的工作效率。
- 李长安李长安王国勇吴忠强张立杰
- 关键词：交通运输工程铁路运输自适应惯性权重
- 基于蚁群算法优化反向传播神经网络的港口吞吐量预测被引量：16
- 2020年
- 利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。
- 李长安李长安吴忠强张立杰
- 关键词：计量学港口吞吐量蚁群算法
- 基于鲸鱼算法优化极限学习机的微电网故障诊断被引量：21
- 2022年
- 提出一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法。首先利用小波包分解对三相故障电压进行分析,计算小波包能量熵组成特征向量作为数据样本;然后通过鲸鱼算法优化极限学习机建立诊断模型对故障类型进行识别和诊断。最后利用鲸鱼算法优化极限学习机的输入权值和隐层神经元阈值,解决了输入权值和隐层神经元阈值随机初始化易影响网络性能的问题,可进一步提高网络的学习速度和泛化能力,有利于进行全局寻优。仿真结果表明,与BP神经网络、RBF神经网络和ELM相比,基于鲸鱼算法优化极限学习机建立的故障诊断模型学习速度更快、泛化能力更强、识别精度更高。
- 卢雪琴李长安吴忠强
- 关键词：微电网小波包分解极限学习机故障诊断
- 自编码器融合极限学习机的广义负荷建模被引量：4
- 2021年
- 随着各种分布式电源大规模并网,传统的负荷建模方法难以精确描述电力系统的负荷信息。为提高负荷区域的建模精度,广义负荷建模问题被提出。将机器学习理论引入广义负荷建模领域,提出一种基于自编码器融合极限学习机的广义负荷建模方法。首先,利用自编码器能降低输入数据维度的优势,提取特征值,通过其可最小化重构误差的特点,求得自编码器结构。然后,将此结构作为极限学习机的输入端结构,可得到已优化隐层节点数的极限学习机结构。最后,通过极限学习机的有监督学习方法,调整隐层至输出层的权值,保证网络收敛至最优值。搭建含有蓄电池和风力发电系统的广义负荷模型进行仿真测试。结果证明,该方法具有较高的建模精度,可以有效应用于含不同成分的电力系统广义负荷建模。
- 何怡林李长安吴忠强
- 关键词：电力系统分布式电源极限学习机
