基于分解协调的SWCC-OBS网络路由选择研究

针对稀疏分布有限波长转换能力的光突发交换(SWCC-OBS)网络容易出现的高丢包率和负载不均 衡问题,建立了稀疏分布OBS全网丢包率的数学模型。为了克服模型求解过程中多 变量带来的非 线性问题,对影响全网突发丢包率的参变量进行分解预估和反馈更新,求得全网对应业务流 模型下的优化 路由路径,获得了全网突发数据的近似最低丢包率。仿真实验表明,在SWCC-OBS网络中, 本文提出的路由 选择模型及分解协调的路由选择算法,不仅能有效地避免突发数据包间的相互冲突、降低了 全网丢包率,而 且能很好地适应突发数据业务的动态变化,保证了网络的负载均衡和较低的丢包率。     

统计分析和密度聚类的锂离子电池组内短路故障诊断

随着锂离子电池系统在电动汽车中的广泛应用，电池组短路引起的安全问题日益凸显，因此动力电池的状态监测与故障诊断备受关注。针对当前非模型故障诊断方法存在的泛用性低、抗干扰性差和电池组不一致性突出等问题，提出了一种基于统计分析和密度聚类的电池组短路故障诊断方法。首先根据遗忘机制，利用核密度估计的相对熵和相关系数提取电池组的故障信息，用于识别短路引起的电池电压和温度变化；接着采用基于密度的空间噪声聚类算法(DBSCAN)自动识别短路故障电池。该方法的鲁棒性在噪声干扰和电池组较大不一致性的条件下得到了有效验证。随后，在不同程度的微短路情况下(短路电阻分别为1、5和10Ω)进行故障诊断，结果表明在10Ω短路情况下故障诊断的准确率能够达到92.17%。最后通过对比分析，表明该诊断方法能够有效检测和定位短路电池，并且故障越严重，诊断所需时间越短。