粒子群算法（particle swarm optimization,PSO）作為近年發(fā)展起來(lái)的智能優(yōu)化算法的代表,有著結(jié)構(gòu)簡(jiǎn)單、容易理解、程序易實(shí)現(xiàn),尋優(yōu)速度快等特點(diǎn),適用于求解不可微、非線性、多目標(biāo)等復(fù)雜問(wèn)題,因而廣泛應(yīng)用于工程領(lǐng)域中以解決實(shí)際問(wèn)題的優(yōu)化,本文將其應(yīng)用于旋風(fēng)分離器結(jié)構(gòu)的優(yōu)化。旋風(fēng)分離器是一種結(jié)構(gòu)簡(jiǎn)單,分離效率高,安裝維護(hù)方便的氣固分離設(shè)備。PV型旋風(fēng)分離器由于其優(yōu)越的性能,一經(jīng)開發(fā)便廣泛應(yīng)用于石油行業(yè)催化裂化中催化劑的回收。由于旋風(fēng)分離器的性能參數(shù)與影響因素間的關(guān)系復(fù)雜,因此研究者為了更準(zhǔn)確的描述這種關(guān)系做了大量的理論和試驗(yàn)研究。本文的主要研究?jī)?nèi)容如下:1、為了準(zhǔn)確描述PV型旋風(fēng)分離器的壓降和總效率與幾何結(jié)構(gòu)等影響因素之間的關(guān)系,以便有效預(yù)測(cè)出高效低阻的旋風(fēng)分離器結(jié)構(gòu),基于已發(fā)表文獻(xiàn)中的試驗(yàn)數(shù)據(jù),使用Design-Expert軟件中的歷史數(shù)據(jù)擬合功能（Historical Data）分別對(duì)PV型旋風(fēng)分離器的壓降和總效率進(jìn)行了響應(yīng)面（response surface methodology,RSM）回歸建模,得到了壓降和總效率隨各因素變化的多項(xiàng)式回歸方程,由模型的相關(guān)系... 

【文章來(lái)源】：太原理工大學(xué)山西省 211工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題背景及意義
    1.2 研究現(xiàn)狀與發(fā)展
    1.3 研究?jī)?nèi)容及結(jié)構(gòu)
第二章 粒子群優(yōu)化算法
    2.1 引言
    2.2 粒子群算法概述
        2.2.1 標(biāo)準(zhǔn)粒子群算法
        2.2.2 粒子群算法的改進(jìn)
        2.2.3 粒子群算法的特點(diǎn)和問(wèn)題
    2.3 多目標(biāo)粒子群算法
        2.3.1 多目標(biāo)優(yōu)化問(wèn)題
        2.3.2 多目標(biāo)粒子群算法
        2.3.3 多目標(biāo)粒子群算法的研究現(xiàn)狀
    2.4 本章小結(jié)
第三章 響應(yīng)面建模及實(shí)驗(yàn)設(shè)計(jì)
    3.1 引言
    3.2 響應(yīng)面模型介紹
        3.2.1 響應(yīng)面法概述
        3.2.2 二次多項(xiàng)式響應(yīng)面
        3.2.3 響應(yīng)面有效性評(píng)價(jià)
    3.3 試驗(yàn)設(shè)計(jì)概述
        3.3.1 因子試驗(yàn)設(shè)計(jì)
        3.3.2 Box-Behnken試驗(yàn)設(shè)計(jì)
        3.3.3 中心復(fù)合試驗(yàn)設(shè)計(jì)
    3.4 Design-Expert軟件簡(jiǎn)介
    3.5 本章小結(jié)
第四章 PV型旋風(fēng)分離器及其響應(yīng)面建模
    4.1 引言
    4.2 PV型旋風(fēng)分離器的結(jié)構(gòu)與性能參數(shù)
        4.2.1 PV型旋風(fēng)分離器結(jié)構(gòu)及參數(shù)
        4.2.2 旋風(fēng)分離器性能評(píng)價(jià)指標(biāo)
    4.3 總效率的響應(yīng)面建模
        4.3.1 總效率響應(yīng)面模型建立
        4.3.2 總效率響應(yīng)面模型分析
    4.4 壓降的響應(yīng)面建模
        4.4.1 壓降響應(yīng)面模型建立
        4.4.2 壓降響應(yīng)面模型分析
    4.5 本章小結(jié)
第五章 性能參數(shù)的粒子群優(yōu)化
    5.1 引言
    5.2 性能參數(shù)的約束優(yōu)化
        5.2.1 懲罰函數(shù)法處理約束優(yōu)化
        5.2.2 性能參數(shù)的優(yōu)化及結(jié)果
    5.3 性能參數(shù)的多目標(biāo)粒子群優(yōu)化
        5.3.1 算法描述
        5.3.2 優(yōu)化結(jié)果
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于響應(yīng)曲面法的蝸殼式旋風(fēng)分離器分離效率[J]. 李慶生,張譯峰.  中國(guó)粉體技術(shù). 2015(01)
[2]一種改進(jìn)的多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用[J]. 馮金芝,陳興,鄭松林.  計(jì)算機(jī)應(yīng)用研究. 2014(03)
[3]Study of a New Improved PSO-BP Neural Network Algorithm[J]. Li Zhang,Jia-Qiang Zhao,Xu-Nan Zhang,Sen-Lin Zhang.  Journal of Harbin Institute of Technology. 2013(05)
[4]一種改進(jìn)的多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用[J]. 馮琳,毛志忠,袁平.  控制與決策. 2012(09)
[5]復(fù)合策略慣性權(quán)重的粒子群優(yōu)化算法[J]. 郜振華,梅莉,祝遠(yuǎn)鑒.  計(jì)算機(jī)應(yīng)用. 2012(08)
[6]一種混合拓?fù)浣Y(jié)構(gòu)的粒子群優(yōu)化算法[J]. 黃少榮.  遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)
[7]粒子群算法在車間作業(yè)調(diào)度問(wèn)題中的仿真研究[J]. 李宏芳,鄭睿穎.  計(jì)算機(jī)仿真. 2011(11)
[8]慣性權(quán)重正弦調(diào)整的粒子群算法[J]. 姜長(zhǎng)元,趙曙光,沈士根,郭力爭(zhēng).  計(jì)算機(jī)工程與應(yīng)用. 2012(08)
[9]基于生物寄生行為的雙種群粒子群算法[J]. 秦全德,李榮鈞.  控制與決策. 2011(04)
[10]具有動(dòng)態(tài)拓?fù)浣Y(jié)構(gòu)的聚類粒子群算法研究[J]. 梁曉磊,李文鋒,張煜,李斌.  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2011(01)

博士論文
[1]基于響應(yīng)面建模和改進(jìn)粒子群算法的有限元模型修正方法[D]. 秦玉靈.哈爾濱工業(yè)大學(xué) 2011
[2]粒子群優(yōu)化算法及其應(yīng)用研究[D]. 田野.吉林大學(xué) 2010
[3]最小二乘支持向量機(jī)建模及預(yù)測(cè)控制算法研究[D]. 李麗娟.浙江大學(xué) 2008

碩士論文
[1]響應(yīng)面法優(yōu)化超聲輔助提取銀杏葉中總黃酮及其抗氧化研究[D]. 劉巋.蘭州大學(xué) 2016
[2]改進(jìn)粒子群優(yōu)化算法在路徑優(yōu)化中的應(yīng)用[D]. 宋慧.鄭州大學(xué) 2014
[3]基于粒子群算法的非概率可靠性分析及其在邊坡工程中的應(yīng)用[D]. 張盈盈.中南大學(xué) 2011
[4]響應(yīng)曲面二階設(shè)計(jì)方法比較研究[D]. 胡雅琴.天津大學(xué) 2005



本文編號(hào)：3235007