本文關鍵詞：代理模型的微蜂群優(yōu)化及在葉輪機械中的應用

  更多相關文章： 代理模型 微蜂群算法 徑向基函數(shù)神經(jīng)網(wǎng)絡 葉輪機械 優(yōu)化設計

【摘要】：當前復雜工程問題的數(shù)值仿真或物理實驗依舊耗時昂貴,特別是基于計算流體力學(Computational Fluid Dynamics,CFD)的葉輪機械優(yōu)化設計問題。代理模型技術可以減少這些復雜、耗時、易錯的計算過程,提高計算效率。盡管目前有通用化商業(yè)軟件(NUMECA和ISIGHT等)提供代理模型優(yōu)化功能,但對于特定工程設計問題仍需要研究開放的、可定制的、模塊化的高效代理優(yōu)化技術,以支持進一步的總體優(yōu)化設計。本文將代理模型技術與蜂群智能相結合,給出一種基于代理模型的微蜂群優(yōu)化方法,并應用于求解混流泵導葉葉片的優(yōu)化問題,以提高混流泵的水力效率。 本文工作內容如下： (1)在優(yōu)化方法研究方面,給出一種全局優(yōu)化的微蜂群算法(Micro Artificial Bee Colony, MABC)。該算法在人工蜂群算法(Artificial Bee Colony,ABC)的基礎上,將初始種群變小,并在下一步迭代重新初始化。這是由于代理模型優(yōu)化求解要求算法快速迭代,且實際模型可獲取的樣本很少導致算法初始化時只能提供有限的個體。為驗證MABC算法的迭代速度和求解精度,分別采用標準遺傳算法、蜂群算法、微蜂群算法對標準測試函數(shù)進行比較,測試結果表明了本文方法的有效性。 (2)在代理模型方面,本文給出一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(Radial Basis Function Artificial Neural Network, RBF-ANN)的代理模型方法,考察了核函數(shù)的選擇問題。由于真實模型中輸入與輸出映射關系往往是隱式的,難以用確定的函數(shù)式進行表達,本文首先給出了一般代理模型的建模步驟,包括實驗設計、代理模型選擇以及模型評價。然后針對本文研究的徑向基函數(shù)神經(jīng)網(wǎng)絡(RBF-ANN)代理模型,在徑向基層選擇五種不同的核函數(shù),并采用工程實例進行預測比較,結果表明核函數(shù)為多二次函數(shù)的RBF-ANN具有較好的預測效果。 (3)在以上工作的基礎上,以葉輪機械中的混流泵為例,本文利用上述方法,針對其過流部件進行優(yōu)化設計。首先對混流泵導葉模型進行參數(shù)化提取,研究混流泵導葉出口相對蝸殼進口位置的偏轉角以及導葉包角大小對泵外特性,即水力效率和揚程的影響；然后根據(jù)工程分析獲取的樣本,利用RBF-ANN代理模型(核函數(shù)為多二次函數(shù))逼近原真實模型；最后采用本文的微蜂群算法對RBF-ANN進行優(yōu)化求解,計算結果表明了本文給出的微蜂群方法適用于混流泵過流部件的優(yōu)化設計。 本文提出的基于代理模型的微蜂群優(yōu)化方法,有助于計算智能理論進展,可為葉輪機械或其它復雜工程設計問題的求解提供參考。
【關鍵詞】：代理模型 微蜂群算法 徑向基函數(shù)神經(jīng)網(wǎng)絡 葉輪機械 優(yōu)化設計
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH313;TP18
【目錄】：

• 摘要4-6
• Abstract6-8
• 目錄8-10
• 1 緒論10-19
• 1.1 課題來源10
• 1.2 研究目的及意義10-12
• 1.3 研究現(xiàn)狀與分析12-17
• 1.3.1 葉輪機械優(yōu)化設計概述12-14
• 1.3.2 蜂群優(yōu)化研究概述14-15
• 1.3.3 代理模型研究概述15-17
• 1.4 本文的主要組織結構17-19
• 2 微蜂群優(yōu)化方法19-31
• 2.1 人工蜂群算法19-25
• 2.1.1 蜂群簡介21-22
• 2.1.2 人工蜂群算法基本原理22-25
• 2.2 微蜂群優(yōu)化方法25-27
• 2.3 數(shù)值仿真與分析27-30
• 2.4 本章小結30-31
• 3 RBF-ANN代理模型的構造及預測31-48
• 3.1 RBF-ANN代理模型簡介31-32
• 3.2 本文RBF-ANN代理模型的構造32-42
• 3.2.1 實驗設計策略32-33
• 3.2.2 本文BP神經(jīng)網(wǎng)絡及訓練過程33-37
• 3.2.3 本文RBF神經(jīng)網(wǎng)絡及核函數(shù)37-42
• 3.2.4 本文預測模型評價標準42
• 3.3 數(shù)值仿真及分析42-47
• 3.4 本章小結47-48
• 4 葉輪機械優(yōu)化問題及求解48-58
• 4.1 混流泵簡介48-50
• 4.2 混流泵水力模型參數(shù)化50-52
• 4.3 問題求解52-57
• 4.4 本章小結57-58
• 5 總結與展望58-60
• 5.1 本文研究總結58-59
• 5.2 后續(xù)工作展望59-60
• 參考文獻60-64
• 攻讀碩士學位期間發(fā)表學術論文情況64-65
• 致謝65-66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王曉鋒,席光,王尚錦;離心壓縮機葉輪的響應面優(yōu)化設計Ⅰ:設計方法[J];工程熱物理學報;2004年03期

2 王巍;陸鵬波;王曉放;戚光鑫;王一名;;混流泵葉片優(yōu)化及基于狀態(tài)方程模型的空化研究[J];大連理工大學學報;2013年01期

3 王振培;王丹;朱繼宏;張衛(wèi)紅;;葉片參數(shù)化有限元建模與罩量優(yōu)化設計[J];航空動力學報;2011年11期

4 丁海軍;馮慶嫻;;基于boltzmann選擇策略的人工蜂群算法[J];計算機工程與應用;2009年31期

5 穆雪峰,姚衛(wèi)星,余雄慶,劉克龍,薛飛;多學科設計優(yōu)化中常用代理模型的研究[J];計算力學學報;2005年05期

6 羅鈞;樊鵬程;;基于遺傳交叉因子的改進蜂群優(yōu)化算法[J];計算機應用研究;2009年10期

7 張超群;鄭建國;王翔;;蜂群算法研究綜述[J];計算機應用研究;2011年09期

8 胡中華;趙敏;撒鵬飛;;基于人工蜂群算法的JSP的仿真與研究[J];機械科學與技術;2009年07期

9 谷海濤;林揚;胡志強;俞建成;;基于代理模型的水下滑翔機機翼設計優(yōu)化方法[J];機械工程學報;2009年12期

10 張翔;王洋;徐小敏;王洪玉;;葉片包角對離心泵性能的影響[J];農業(yè)機械學報;2010年11期

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 王吉權;BP神經(jīng)網(wǎng)絡的理論及其在農業(yè)機械化中的應用研究[D];沈陽農業(yè)大學;2011年

2 段巍;汽輪機葉片強度可靠性分析的響應面方法研究[D];華北電力大學（河北）;2009年

3 朱陽歷;葉輪機械葉片全三維反問題優(yōu)化設計方法研究[D];中國科學院研究生院（工程熱物理研究所）;2012年

4 歐鳴雄;AP1000海水循環(huán)泵研制及其內流場特性研究[D];江蘇大學;2013年

5 王艷嬌;人工蜂群算法的研究與應用[D];哈爾濱工程大學;2013年

，

本文編號：878020