【摘要】：反應(yīng)堆核設(shè)計優(yōu)化是核工程設(shè)計中的重要內(nèi)容,對提高核電站的經(jīng)濟(jì)性和安全性至關(guān)重要。由于涉及變量眾多并存在諸多約束,使得核設(shè)計優(yōu)化過程十分繁瑣復(fù)雜。目前基于人工智能的優(yōu)化方法已在核設(shè)計優(yōu)化領(lǐng)域應(yīng)用較為廣泛,但存在收斂性不足、受參數(shù)影響大的問題,導(dǎo)致優(yōu)化結(jié)果有時反不如人工優(yōu)化。本文基于中子輸運設(shè)計與安全評價軟件系統(tǒng)SuperMC“超級蒙卡”,開展了智能核設(shè)計方法研究,主要研究內(nèi)容和創(chuàng)新概括如下:(1)發(fā)展了混合差分進(jìn)化的核設(shè)計優(yōu)化方法。核設(shè)計優(yōu)化中變量類型包含連續(xù)型與離散型。差分進(jìn)化算法(Differential Evolution,DE)設(shè)計為處理連續(xù)空間優(yōu)化問題,難以處理其中離散變量的優(yōu)化。本文基于DE算法發(fā)展了混合差分進(jìn)化的核設(shè)計優(yōu)化方法(HTDE)。HTDE中對離散變量編碼方式進(jìn)行了設(shè)計,發(fā)展并增加了相應(yīng)的變異與交叉策略,實現(xiàn)了混合變量問題的優(yōu)化。為了進(jìn)一步提高算法的性能,提出了一種新的自適應(yīng)交叉概率,并采用了反向?qū)W習(xí)方法。在連續(xù)、離散優(yōu)化測試及PWR堆芯裝載優(yōu)化性能測試?yán)}中,HTDE均表現(xiàn)了良好的收斂性與魯棒性。(2)發(fā)展了非支配混合差分多目標(biāo)核設(shè)計優(yōu)化方法。核設(shè)計優(yōu)化中往往涉及多個目標(biāo)的同時優(yōu)化,NSGA-II是解決多目標(biāo)優(yōu)化的經(jīng)典算法,但其存在多樣性與收斂性不足的缺點。本文將HTDE和NSGA-II融合,采用了改進(jìn)的擁擠度算子,提出了新的排序策略與種群動態(tài)調(diào)整策略,發(fā)展了非支配混合差分多目標(biāo)核設(shè)計優(yōu)化方法(MHTDE)。為了驗證MHTDE的性能,本文使用了國際多目標(biāo)基準(zhǔn)例題對MHTDE進(jìn)行了測試,結(jié)果顯示了MHTDE在處理多目標(biāo)優(yōu)化問題中的效率。本文分別使用西屋壓水堆、田納西反應(yīng)堆WBN1以及薩瓦娜核動力船優(yōu)化基準(zhǔn)題對發(fā)展的方法進(jìn)行了綜合測試。西屋壓水堆裝載優(yōu)化目標(biāo)為保證有效增殖因數(shù)keff滿足限值的情況下使功率峰因子(PPF)最小,優(yōu)化方案將PPF從1.60降至了1.21。田納西反應(yīng)堆WBN1的優(yōu)化目標(biāo)為最大化keff、最小化PPF,同時考慮慢化劑溫度系數(shù)等的約束,優(yōu)化后keff提高1.0%,PPF降低2.6%。薩瓦娜船屏蔽設(shè)計優(yōu)化中,在保證劑量水平在可接受范圍內(nèi)的前提下,優(yōu)化后屏蔽體重量降低了25.5%,體積降低了15%。以上綜合測試證明了本文發(fā)展的優(yōu)化方法的可行性與有效性,可廣泛應(yīng)用于復(fù)雜反應(yīng)堆核設(shè)計優(yōu)化中。
【圖文】：

元素進(jìn)入到Ｍｆ＋１，有利于加強局部搜索；反之，＜邋有更多的元素進(jìn)入到Ｍｆ＋１，，有逡逑利于保持種群的多樣性避免過快地進(jìn)入到局部收斂。相比＾與尸，ＤＥ算法中逡逑Ｃ／？的變化更加敏感。下圖２．３給出了邋ＤＥ交叉過程示意。逡逑１７逡逑

的是對于最小化優(yōu)化問題，／值越小代表個體越優(yōu)。同時，當(dāng)原個體與試驗個體逡逑適應(yīng)度值相等時，經(jīng)典ＤＥ會優(yōu)先選擇試驗個體以使種群保持多樣性。逡逑綜上所述，ＤＥ算法進(jìn)化的流程如下圖２．４所示。逡逑Ｃ＾Ｄ逡逑初始化種群并評價逡逑——＾￣Ｊ逡逑差分變異產(chǎn)生變異種群逡逑交叉產(chǎn)生試驗種群逡逑—選擇產(chǎn)生下一代種群逡逑圖２．４邋ＤＥ算法流程圖逡逑１８逡逑
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP18;TM623

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉昊;丁進(jìn)良;楊翠娥;柴天佑;;基于擇優(yōu)學(xué)習(xí)策略的差分進(jìn)化算法[J];上海交通大學(xué)學(xué)報;2017年06期

2 孫龍;李暉;趙曼;董理君;吳杰;;基于差分進(jìn)化算法的衛(wèi)星任務(wù)未安排原因分析[J];無線電工程;2017年11期

3 胡朝根;;基于退火算子的差分進(jìn)化算法[J];數(shù)字技術(shù)與應(yīng)用;2016年07期

4 楊斌;;淺析差分進(jìn)化算法的多目標(biāo)優(yōu)化方法研究[J];祖國;2017年03期

5 韓學(xué)鋒;徐歡;;帶局部搜索的自適應(yīng)動態(tài)差分進(jìn)化算法[J];天津職業(yè)院校聯(lián)合學(xué)報;2014年02期

6 洪云飛;陳忠;;無約束優(yōu)化問題的差分進(jìn)化算法求解[J];長江大學(xué)學(xué)報(自科版);2013年31期

7 謝春明;;基于差分進(jìn)化的計算機(jī)安全算法研究[J];煤炭技術(shù);2013年01期

8 李英海;莫莉;左建;;基于混合差分進(jìn)化算法的梯級水電站調(diào)度研究[J];計算機(jī)工程與應(yīng)用;2012年04期

9 謝歡歡;楊伯朝;;基于差分進(jìn)化算法的陣列天線波束賦形研究[J];現(xiàn)代導(dǎo)航;2012年03期

10 張宏;蔣德勇;;一種基于差分進(jìn)化算法和粒子群算法的雙進(jìn)化方式的全局優(yōu)化算法[J];黑龍江科技信息;2012年32期

相關(guān)會議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會議論文集[C];2010年

2 雍龍泉;;求解一類多目標(biāo)優(yōu)化問題的極大熵差分進(jìn)化算法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 趙娟;蔡濤;鄧方;楊紅偉;;基于改進(jìn)差分進(jìn)化算法的脈沖控制方法[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

4 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運行中的應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學(xué)術(shù)討論會論文集[C];2012年

5 樓洋;李均利;陳剛;;基于個體排序的差分進(jìn)化算法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

6 裴振奎;劉真;趙艷麗;;差分進(jìn)化算法在多目標(biāo)路徑規(guī)劃中的應(yīng)用[A];中國運籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

7 牛曉潔;舒健生;楊奇松;聶闖;;衛(wèi)星規(guī)避單個動能攔截器優(yōu)化方法研究[A];第四屆中國指揮控制大會論文集[C];2016年

8 姜立強;郭錚;劉光斌;;差分進(jìn)化算法縮放因子取值策略研究[A];2007'儀表，自動化及先進(jìn)集成技術(shù)大會論文集（二）[C];2007年

9 周紅;張建華;;基于差分進(jìn)化優(yōu)化的高斯混合模型在說話人識別中的應(yīng)用[A];第26屆中國控制與決策會議論文集[C];2014年

10 解磊;焦永昌;杜彪;史琰;;基于差分進(jìn)化算法的寬頻帶光壁喇叭優(yōu)化設(shè)計[A];2015年全國微波毫米波會議論文集[C];2015年

相關(guān)重要報紙文章 前1條

1 興業(yè)期貨 秦小坡;基于技術(shù)指標(biāo)的DE——反轉(zhuǎn)alpha策略[N];期貨日報;2010年

相關(guān)博士學(xué)位論文 前10條

1 徐廣治;非線性群智能優(yōu)化及其應(yīng)用研究[D];北京郵電大學(xué);2019年

2 丁輝;基于混合差分進(jìn)化的智能核設(shè)計方法研究[D];中國科學(xué)技術(shù)大學(xué);2019年

3 汪慎文;同質(zhì)差分進(jìn)化算法集成研究[D];武漢大學(xué);2013年

4 劉宏志;人工蜂群與差分進(jìn)化算法研究及其應(yīng)用[D];東北大學(xué);2015年

5 程吉祥;自主差分進(jìn)化算法設(shè)計及應(yīng)用[D];西南交通大學(xué);2015年

6 謝宇;差分進(jìn)化的若干問題及其應(yīng)用研究[D];南京理工大學(xué);2015年

7 暏大海;差分進(jìn)化算法的改進(jìn)及在約束優(yōu)化中的應(yīng)用[D];武漢大學(xué);2017年

8 符純明;面向結(jié)構(gòu)優(yōu)化設(shè)計的差分進(jìn)化算法研究[D];湖南大學(xué);2017年

9 車林仙;面向機(jī)構(gòu)分析與設(shè)計的差分進(jìn)化算法研究[D];中國礦業(yè)大學(xué);2012年

10 孫成富;差分進(jìn)化算法及其在電力系統(tǒng)調(diào)度優(yōu)化中的應(yīng)用研究[D];華中科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 郝海強;基于差分進(jìn)化算法的二維電震聯(lián)合反演方法的研究[D];石家莊經(jīng)濟(jì)學(xué)院;2015年

2 劉暢;倒立擺模糊神經(jīng)網(wǎng)絡(luò)控制器差分進(jìn)化算法優(yōu)化設(shè)計[D];廈門大學(xué);2018年

3 韓超;求解TSP問題的多目標(biāo)進(jìn)化方法研究[D];武漢理工大學(xué);2018年

4 謝光磊;腫瘤亞型分析中針對基因表達(dá)數(shù)據(jù)差分進(jìn)化特征選擇算法的研究[D];南方醫(yī)科大學(xué);2018年

5 劉昊;基于擇優(yōu)學(xué)習(xí)的差分進(jìn)化算法及其在選礦指標(biāo)決策中的應(yīng)用[D];東北大學(xué);2015年

6 朝日雅拉;基于差分進(jìn)化算法的并行連續(xù)退火機(jī)組鋼卷調(diào)度問題[D];東北大學(xué);2015年

7 王莎;差分進(jìn)化算法改進(jìn)及其在2.5D集成電路測試中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2018年

8 劉鵬;多目標(biāo)差分進(jìn)化算法的改進(jìn)研究[D];湖南大學(xué);2016年

9 龔中漢;差分進(jìn)化算法改進(jìn)研究及其應(yīng)用[D];湖南大學(xué);2014年

10 許偉偉;多模態(tài)多目標(biāo)差分進(jìn)化算法研究及在非線性方程組的應(yīng)用[D];鄭州大學(xué);2018年

本文編號：2594790