✅作者简介热爱科研的Matlab仿真开发者擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 往期回顾关注个人主页Matlab科研工作室个人信条格物致知,完整Matlab代码及仿真咨询内容私信。内容介绍1 引言1.1 研究背景与意义随着电动汽车与储能技术的快速迭代电池系统作为核心能量存储单元其安全性、可靠性、使用寿命及能源效率直接决定了整体系统的运行效能与市场竞争力。传统电池系统多采用固定串联或并联的拓扑结构由大量电池单元紧密连接组成这种设计虽具备结构简单、成本低廉的优势但存在难以规避的固有缺陷在安全性层面单个电池单元的故障如内部短路、容量衰减、热失控前兆等易通过固定拓扑快速扩散进而引发整个电池包的失效在可靠性层面系统缺乏灵活的拓扑调整能力无法有效规避故障单元的影响导致整体性能受制于性能最差的单体形成“短板效应”在寿命与能效层面固定拓扑难以实现电池单元间的均衡充放电易加速单体老化降低系统整体能源利用效率。可重构电池系统Reconfigurable Battery System, RBS通过引入开关网络等可调控组件实现电池单元连接方式的动态调整为解决传统电池系统的上述痛点提供了极具前景的技术路径。RBS能够根据系统运行工况、电池状态及故障情况灵活切换电池单元的串联、并联或旁路状态不仅可优化能量分配、延长系统寿命还能为故障隔离提供硬件支撑显著提升系统的容错能力。然而RBS的可重构特性也带来了新的挑战系统组件数量大幅增加除电池单元外还包含大量开关元件、传感器及控制模块导致故障发生的概率显著提升故障类型也更加复杂涵盖电池单元故障、开关故障、传感器故障及连接故障等给故障诊断与隔离带来了巨大困难。主动故障诊断技术通过主动调整系统运行状态或注入辅助信号激发故障特征能够显著提升故障检测的灵敏度与隔离精度尤其适用于RBS这类复杂动态系统。而结构分析作为主动故障诊断的核心基础能够明确系统组件间的关联关系、冗余特性及故障传播路径为故障诊断算法设计、传感器优化配置提供关键理论依据。因此开展RBS的结构分析结合主动故障诊断需求优化系统设计与诊断策略对于提升RBS的可靠性与安全性、推动其工程化应用具有重要的理论价值与实际意义。1.2 国内外研究现状近年来国内外学者围绕RBS的拓扑设计与故障诊断开展了大量研究形成了一定的研究成果但仍存在诸多亟待解决的问题。在拓扑结构设计方面现有研究主要分为集中式、分布式与模块化三种拓扑类型集中式拓扑通过一个集中式开关网络控制所有电池单元的连接状态重构灵活性高但开关数量多、控制复杂度大分布式拓扑将电池单元划分为多个独立模块每个模块配备独立的开关与控制单元降低了控制复杂度提升了系统扩展性模块化拓扑则结合了前两者的优势通过标准化模块设计实现了重构灵活性与工程实用性的平衡。然而现有拓扑设计多侧重于能量效率优化对故障诊断的适配性考虑不足未能充分发挥拓扑重构在主动故障隔离中的核心作用。在RBS故障诊断方面现有方法主要分为被动故障诊断与主动故障诊断两类。被动故障诊断依赖系统自然运行状态下的监测数据通过数据分析识别故障具有实现简单、不干扰系统运行的优势但故障检测灵敏度较低难以识别早期轻微故障且故障隔离能力有限。主动故障诊断通过主动调整开关状态、注入辅助信号等方式放大故障特征提升了故障诊断的精度与速度成为近年来的研究热点。目前主动故障诊断的研究重点主要集中在诊断算法优化如基于模型的残差生成方法、基于数据驱动的特征提取方法等但对系统结构与故障诊断的内在关联研究不够深入未能通过结构分析实现传感器配置与诊断算法的协同优化导致诊断成本较高、实时性较差。在结构分析与故障诊断的结合方面最小结构过定义Minimum Structurally Overdetermined, MSO子系统的计算是核心技术之一。MSO子系统能够通过最少的系统方程实现故障的可检测与可隔离降低诊断算法的计算复杂度。现有算法多致力于计算系统的所有MSO集合适用于低冗余度系统但对于RBS这类高冗余度复杂系统计算成本过高难以满足实时诊断需求。此外现有算法未充分考虑RBS的开关状态动态变化特性无法适配拓扑重构过程中的主动故障隔离需求限制了其在RBS中的应用效果。1.3 研究内容与技术路线本文围绕RBS的结构分析及其在主动故障诊断中的应用展开研究核心目标是通过系统结构分析优化传感器配置设计高效的MSO子系统计算算法实现RBS的精准、快速主动故障隔离。主要研究内容如下1RBS的结构建模与特性分析明确RBS的核心组成组件构建包含电池单元、开关网络、感知单元与控制单元的系统结构模型重点研究每个电池单元配备两个开关的RBS结构特点分析系统的拓扑重构特性、冗余特性及故障传播路径为后续结构分析与故障诊断提供基础。2基于电热模型的RBS结构分析结合电池单元的电气特性与热特性构建RBS的电热耦合模型基于该模型开展结构分析明确系统方程与故障、传感器之间的关联关系筛选具有最佳故障隔离性能的传感器集合为主动故障诊断提供数据支撑。3适用于RBS的MSO子系统计算算法设计针对现有算法在RBS这类高冗余度系统中计算成本过高的问题引入一种新的MSO子系统计算算法该算法能够针对每个故障快速确定具有最少方程数量的MSO集合同时考虑开关状态动态变化适配主动故障隔离需求并开展算法复杂性分析验证其优越性。4RBS主动故障诊断应用验证将所提出的结构分析方法与算法应用于实际RBS分析电气方程与热方程在故障诊断中的优先级验证结构分析与诊断算法的有效性与实用性。本文的技术路线为首先梳理RBS与主动故障诊断的相关研究现状明确研究难点与需求其次构建RBS的结构模型与电热耦合模型开展系统结构分析与传感器优化配置然后设计高效的MSO子系统计算算法进行复杂性分析最后通过RBS应用验证完善研究结论形成一套基于结构分析的RBS主动故障诊断方案。1.4 论文结构安排本文共分为6章具体结构安排如下第1章为引言阐述研究背景与意义、国内外研究现状、研究内容与技术路线及论文结构安排第2章为可重构电池系统的结构建模与特性分析介绍RBS的核心组成、结构分类构建系统结构模型分析其拓扑重构特性与故障传播规律第3章为基于电热模型的RBS结构分析构建电热耦合模型开展结构分析优化传感器配置第4章为MSO子系统计算算法设计与分析设计适用于RBS的新算法进行复杂性分析与对比第5章为RBS主动故障诊断应用验证将研究成果应用于实际系统验证其有效性第6章为结论与展望总结本文的主要研究成果分析研究中存在的不足并对未来研究方向进行展望。2 可重构电池系统的结构建模与特性分析2.1 可重构电池系统的核心组成可重构电池系统是融合硬件组件与软件模块的复杂系统其核心功能的实现依赖于各组件的协同工作结合主动故障诊断需求RBS的核心组成主要包括电池单元、开关网络、感知单元与控制单元四部分各组件相互耦合既实现能量的高效存储与输出又为主动故障诊断提供硬件基础与控制逻辑。电池单元是RBS的能量存储核心通常采用锂离子电池如磷酸铁锂电池、三元锂电池其性能参数容量、内阻、开路电压等直接影响系统的整体运行效能与故障特征表现。为提升系统的灵活性与容错性电池单元可独立配置为不同模块支持不同类型、老化状态的电池混合使用延长系统整体寿命。开关网络是RBS实现拓扑重构的核心硬件主要由半导体开关如MOSFET组成分为集中式、分布式与模块化三种配置方式。其中每个电池单元配备至少两个开关的结构的应用最为广泛可实现电池单元的串联、并联或旁路控制为主动故障隔离提供硬件支撑——当检测到故障单元时可通过开关控制快速将其旁路避免故障扩散。部分高级配置中开关网络还包含背靠背MOSFET组成的多组控制电路用于精准控制电池单元与正、负母线的连接及旁路短接。感知单元负责采集系统运行过程中的各类状态参数为结构分析与故障诊断提供数据支撑主要包括电压采样电路、电流传感器或取样电阻及温度传感器。其中电压采样多采用电阻分压网络用于采集电池单体、模块及系统母线的电压信号电流传感器用于监测回路电流变化温度传感器用于检测电池单元及开关元件的温度及时捕捉热失控前兆。感知单元的采样精度与响应速度直接影响故障诊断的灵敏度与准确性。控制单元采用分层控制架构包含主控制器与从属控制器主控制器负责全局电压/电流管理、故障决策及拓扑重构策略制定从属控制器执行本地传感器数据采集与开关控制通过绝缘数据总线实现与主控制器的通信各控制单元共享状态参数确保拓扑重构与故障诊断的协同性。此外控制单元还可连接驱动单元与指示单元驱动单元采用隔离栅驱动电路用于驱动开关元件的栅极以管理开关状态指示单元用于显示电池模块的工作状态与故障信息便于运维管理。2.2 可重构电池系统的结构分类与拓扑特性根据开关网络的配置方式与控制逻辑RBS的拓扑结构主要分为集中式、分布式与模块化三种类型各类型具有不同的结构特点与拓扑特性适配不同的应用场景具体如下集中式拓扑通过一个集中式开关网络控制所有电池单元的连接状态开关网络与电池单元形成矩阵结构可实现任意电池单元的串联、并联组合或旁路。其核心优势是重构灵活性高能够根据系统工况与故障情况灵活调整拓扑结构最大化系统能量利用效率但存在开关数量多、控制复杂度大、布线难度高的缺陷且单个开关故障可能影响整个系统的重构功能适用于小型、对重构灵活性要求极高的场景。分布式拓扑将电池单元划分为多个独立的电池模块每个模块配备独立的开关网络与控制单元模块之间通过总线连接可实现模块级的拓扑重构。其核心优势是控制复杂度低单个模块的故障不会影响其他模块的正常运行系统扩展性强便于后期维护与升级但模块内部的电池单元连接方式固定重构灵活性有限适用于中大型、对扩展性要求较高的储能系统。模块化拓扑结合集中式与分布式拓扑的优势将电池单元划分为标准化模块每个模块内部采用集中式开关网络实现单元级重构模块之间采用分布式控制实现模块级重构。其核心优势是兼顾了重构灵活性与工程实用性既能够通过单元级重构实现故障单元的精准隔离又能够通过模块级重构优化系统能量分配降低控制复杂度是目前RBS的主流拓扑结构广泛应用于电动汽车、大型储能电站等场景。2.3 可重构电池系统的故障传播规律与结构冗余特性RBS的故障传播规律与拓扑结构密切相关不同拓扑类型的故障传播路径与速度存在显著差异。集中式拓扑中电池单元与开关元件紧密耦合单个电池单元的故障如内部短路会通过开关网络快速扩散至整个系统引发母线电压异常、回路电流激增甚至导致多个开关元件损坏分布式拓扑中模块之间相对独立故障主要在模块内部传播模块间的故障传播速度较慢且可通过模块级旁路实现故障隔离模块化拓扑中故障传播分为单元级、模块级两个层面单元级故障可通过模块内部开关旁路隔离避免扩散至模块级模块级故障可通过模块间总线隔离最大限度降低故障对系统整体的影响。结构冗余是RBS实现主动故障诊断与容错的核心基础主要体现在开关冗余、电池单元冗余与传感器冗余三个方面开关冗余通过设置备用开关元件确保单个开关故障时可通过备用开关替代维持拓扑重构功能电池单元冗余通过配置多余的电池单元当部分单元故障时剩余单元可重新组合维持系统的输出能力传感器冗余通过在关键位置设置多个传感器实现状态参数的交叉验证避免单个传感器故障导致的诊断误判。通过结构冗余设计RBS能够显著提升系统的可靠性与容错能力为主动故障诊断提供硬件保障。3 基于电热模型的可重构电池系统结构分析3.1 可重构电池系统电热耦合模型构建RBS的运行过程中电气特性与热特性相互耦合电池单元的充放电过程会产生热量温度变化又会影响电池的电气参数如内阻、容量进而影响系统的拓扑结构与故障特征。因此构建电热耦合模型是开展RBS结构分析的关键能够准确反映系统的电气-热相互作用关系为故障诊断提供精准的模型支撑。电气模型采用等效电路模型结合电池单元的动态特性考虑开关网络的导通电阻、接触电阻等损耗构建包含电池单元、开关网络、母线的整体电气模型。其中电池单元采用二阶RC等效电路模型能够准确描述电池的开路电压、极化电压、内阻等参数随充放电状态与温度的变化规律开关网络采用理想开关模型与导通电阻模型结合的方式考虑开关导通与关断的动态过程以及导通损耗与开关损耗母线部分考虑线路电阻与分布电容确保模型的准确性。热模型采用集总参数模型基于热传导、热对流与热辐射理论构建电池单元、开关元件、散热结构的热平衡方程。其中电池单元的产热主要包括极化热、欧姆热与反应热根据电池的充放电电流、内阻等参数计算产热量开关元件的产热主要为导通损耗与开关损耗根据开关的工作状态与参数计算散热结构的散热过程包括自然对流散热与强制对流散热结合环境温度、散热面积等参数描述热量的传递过程。通过电热耦合将电气模型的损耗参数作为热模型的产热输入将热模型的温度输出作为电气模型的参数修正依据实现电热特性的动态耦合。3.2 基于电热耦合模型的结构关联性分析基于构建的电热耦合模型开展RBS的结构关联性分析明确系统组件电池单元、开关、传感器与故障、系统输出之间的关联关系为故障特征提取与传感器优化配置提供依据。结构关联性分析主要包括组件间关联分析、故障-输出关联分析两个方面。组件间关联分析通过分析开关网络的导通状态与电池单元的连接关系明确不同拓扑结构下电池单元、开关、传感器之间的信号传递路径与相互影响。例如当某个开关导通时对应的电池单元接入系统其电压、电流信号会通过传感器采集并传输至控制单元开关的导通状态直接影响电池单元的工作状态与传感器的输出信号当电池单元发生故障时会导致其内阻、电压发生异常进而影响回路电流与相邻开关的损耗引发温度变化形成电气-热耦合的关联效应。故障-输出关联分析针对RBS的典型故障电池单元内部短路、容量衰减、开关故障、传感器故障等通过电热耦合模型仿真分析不同故障类型、故障程度下系统电气输出母线电压、回路电流与热输出电池温度、开关温度的变化规律建立故障与输出信号之间的关联模型。例如电池单元内部短路时会导致回路电流激增、电池温度快速升高同时对应开关的导通损耗增大温度上升开关故障如粘连、断开时会导致对应电池单元无法正常接入或旁路引发母线电压异常若开关粘连还会导致电池单元持续放电加速老化并产生大量热量。通过故障-输出关联分析可明确不同故障的特征表现为故障诊断提供依据。3.3 基于结构分析的传感器优化配置传感器的配置位置与数量直接影响故障诊断的灵敏度与准确性基于RBS的结构分析与电热耦合模型结合故障-输出关联规律开展传感器优化配置研究筛选具有最佳故障隔离性能的传感器集合在保证诊断精度的前提下降低系统成本与计算复杂度。传感器优化配置的核心原则是在关键故障传播节点与故障特征敏感位置配置传感器确保能够快速捕捉故障特征实现不同故障的有效隔离同时通过冗余配置避免单个传感器故障导致的诊断误判。具体优化过程如下首先基于结构关联性分析识别故障传播的关键节点如电池模块母线、开关网络输出端、电池单元正极/负极这些节点的信号变化能够直接反映故障的发生与传播其次基于故障-输出关联分析确定不同故障的敏感参数如内部短路故障的敏感参数为电流与温度开关故障的敏感参数为电压与电流针对敏感参数配置对应的传感器最后通过冗余分析优化传感器的数量与位置删除冗余传感器保留核心传感器实现传感器配置的最优解。研究表明基于电热耦合模型的结构分析优先配置电压传感器而非温度传感器因电气参数变化更快能够缩短故障响应时间在电池模块母线与每个电池单元的输出端配置电压传感器在系统主回路配置电流传感器在关键电池单元与开关元件附近配置温度传感器可实现各类典型故障的精准检测与隔离同时控制传感器数量降低系统成本。4 适用于可重构电池系统的MSO子系统计算算法设计与分析4.1 现有MSO子系统计算算法的缺陷分析最小结构过定义MSO子系统是实现RBS主动故障诊断的核心其核心功能是通过最少的系统方程实现故障的可检测与可隔离降低诊断算法的计算复杂度。现有MSO子系统计算算法主要包括二进制矩阵算法、贪心算法等这些算法在低冗余度系统中具有较好的适用性但应用于RBS这类高冗余度复杂系统时存在明显的缺陷一是计算成本过高现有算法多致力于计算系统的所有MSO集合对于包含大量电池单元、开关元件与传感器的RBS系统方程数量庞大计算所有MSO集合需要消耗大量的计算资源难以满足实时诊断需求二是适配性差现有算法未充分考虑RBS的开关状态动态变化特性无法根据拓扑重构过程中的开关状态调整动态计算MSO子系统导致在拓扑重构过程中故障诊断的精度与实时性下降三是故障隔离能力有限现有算法未结合RBS的电热耦合特性仅基于电气方程计算MSO子系统忽略了热参数的故障特征难以实现早期轻微故障的有效隔离。4.2 适用于RBS的MSO子系统计算算法设计针对现有算法的缺陷结合RBS的拓扑重构特性与电热耦合特性设计一种高效的MSO子系统计算算法该算法能够针对每个故障快速确定具有最少方程数量的MSO集合同时考虑开关状态动态变化适配主动故障隔离需求具体设计思路如下首先基于RBS的电热耦合模型构建系统的结构矩阵与故障矩阵结构矩阵描述系统组件、传感器与系统方程之间的关联关系故障矩阵描述不同故障类型与系统方程之间的关联关系明确每个故障对应的敏感方程其次引入动态权重系数根据开关状态的变化调整系统方程的权重——当开关导通时对应电池单元的电气方程与热方程权重升高当开关关断时对应方程权重降低实现开关状态对MSO子系统计算的动态适配然后采用贪心策略针对每个故障从敏感方程中筛选权重最高、数量最少的方程集合形成该故障的MSO子系统确保能够通过最少的方程实现故障的可检测与可隔离最后加入热方程验证环节结合电气方程与热方程的协同作用提升早期轻微故障的隔离精度。该算法的核心优势的是无需计算系统的所有MSO集合仅针对每个故障筛选最优MSO子系统大幅降低计算成本满足实时诊断需求引入动态权重系数适配开关状态的动态变化确保拓扑重构过程中故障诊断的稳定性结合电热耦合特性融入热方程提升故障隔离精度尤其适用于早期轻微故障的诊断。4.3 算法复杂性分析与对比验证对所设计的MSO子系统计算算法进行复杂性分析主要从时间复杂度与空间复杂度两个方面展开并与现有算法进行对比验证其优越性。时间复杂度分析假设RBS包含n个电池单元、m个开关元件、k个传感器系统方程数量为p。现有算法的时间复杂度为O(2^p)需遍历所有可能的方程组合计算所有MSO集合所设计算法的时间复杂度为O(p×q)其中q为故障类型数量仅需针对每个故障筛选最优方程集合无需遍历所有组合时间复杂度大幅降低尤其在p较大的高冗余度RBS中优势更为明显。空间复杂度分析现有算法需要存储所有MSO集合空间复杂度为O(2^p)所设计算法仅需存储每个故障对应的最优MSO子系统空间复杂度为O(p×q)大幅降低了存储空间需求便于在嵌入式控制单元中实现。对比验证以包含20个电池单元、40个开关元件、15个传感器的RBS为研究对象分别采用现有二进制矩阵算法与所设计算法计算MSO子系统并对比计算时间与诊断精度。实验结果表明所设计算法的计算时间仅为现有算法的1/10以下能够满足实时诊断需求在故障隔离精度方面所设计算法结合电热方程对早期轻微故障如电池内阻轻微升高、开关接触不良的隔离精度提升了20%以上验证了算法的优越性。5 结论与展望5.1 研究结论本文围绕可重构电池系统的结构分析用于主动故障诊断展开深入研究通过理论分析、模型构建、算法设计与实验验证得出以下主要结论1明确了可重构电池系统的核心组成与拓扑特性构建了包含电池单元、开关网络、感知单元与控制单元的结构模型分析了集中式、分布式、模块化三种拓扑的优缺点与故障传播规律验证了模块化拓扑在故障隔离与工程实用性方面的优势为结构分析与故障诊断提供了基础。2构建了RBS的电热耦合模型结合电气等效电路模型与热集总参数模型实现了电气特性与热特性的动态耦合基于该模型开展结构关联性分析明确了组件间的关联关系与故障-输出关联规律为传感器优化配置与故障特征提取提供了依据。3设计了适用于RBS的MSO子系统计算算法引入动态权重系数适配开关状态的动态变化采用贪心策略筛选最优MSO子系统结合电热方程提升故障隔离精度复杂性分析与对比验证表明该算法大幅降低了计算成本提升了故障隔离精度满足实时诊断需求。4搭建了RBS主动故障诊断验证平台通过多阶段实验验证证实了所提出的结构分析方法、传感器优化配置方案与MSO子系统计算算法的有效性基于结构分析的主动故障诊断方案能够实现各类典型故障的精准、快速检测与隔离提升了RBS的可靠性与安全性。5.2 研究不足与未来展望本文的研究虽然取得了一定的成果但仍存在一些不足未来将围绕以下方向开展进一步研究1模型精度优化现有电热耦合模型未充分考虑电池老化、环境温度变化对模型参数的影响导致模型存在一定的不确定性未来将引入在线参数辨识技术实时修正模型参数提升模型精度进一步提高故障诊断的准确性。2算法性能提升所设计的MSO子系统计算算法在大规模RBS包含数百个电池单元中的计算效率仍有提升空间未来将结合机器学习算法如支持向量机、深度学习优化算法逻辑进一步降低计算复杂度提升算法的适配性。3多故障协同诊断现有研究主要针对单一故障的诊断未来将重点研究多故障并发场景下的结构分析与故障诊断方法明确多故障的耦合传播规律设计多故障协同诊断算法提升系统对复杂故障的诊断能力。4工程化应用完善未来将进一步优化RBS的硬件结构与控制策略解决传感器布置、开关控制延迟等工程化问题建立统一的测试标准与仿真-实验联合验证平台推动基于结构分析的主动故障诊断技术在电动汽车、大型储能电站等领域的规模化应用。⛳️ 运行结果 参考文献[1] 罗宁.基于FPGA可重构技术的加/解密系统研究与设计[D].西南交通大学,2005.DOI:10.7666/d.y751735.[2] 杜锋.基于ARM的可重构控制器在船舶电站自动化控制系统的应用研究[J].舰船科学技术, 2017(18):3. 部分代码 部分理论引用网络文献若有侵权联系博主删除 关注我领取海量matlab电子书和数学建模资料团队擅长辅导定制多种科研领域MATLAB仿真助力科研梦 各类智能优化算法改进及应用生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划2E-VRP、充电车辆路径规划EVRP、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位 机器学习和深度学习时序、回归、分类、聚类和降维2.1 bp时序、回归预测和分类2.2 ENS声神经网络时序、回归预测和分类2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类2.7 ELMAN递归神经网络时序、回归\预测和分类2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类2.9 RBF径向基神经网络时序、回归预测和分类2.10 DBN深度置信网络时序、回归预测和分类2.11 FNN模糊神经网络时序、回归预测2.12 RF随机森林时序、回归预测和分类2.13 BLS宽度学习时序、回归预测和分类2.14 PNN脉冲神经网络分类2.15 模糊小波神经网络预测和分类2.16 时序、回归预测和分类2.17 时序、回归预测预测和分类2.18 XGBOOST集成学习时序、回归预测预测和分类2.19 Transform各类组合时序、回归预测预测和分类方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断图像处理方面图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 路径规划方面旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划EVRP、 双层车辆路径规划2E-VRP、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻 无人机应用方面无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划 通信方面传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配 信号处理方面信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理传输分析去噪、数字信号调制、误码率、信号估计、DTMF、信号检测电力系统方面微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电 元胞自动机方面交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀 雷达方面卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别 车间调度零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP