發(fā)布時間：2017-09-14 03:25

  本文關(guān)鍵詞：基于遺傳算法的渦流熱成像檢測系統(tǒng)中激勵參數(shù)優(yōu)化

  更多相關(guān)文章： 渦流熱成像 遺傳算法 偏最小二乘 激勵參數(shù)

【摘要】：影響渦流熱成像檢測效果的激勵因素有多種,而不同激勵參數(shù)的選擇會導(dǎo)致不同檢測效果,為了充分發(fā)揮渦流熱成像檢測技術(shù)的檢測結(jié)果直觀、檢測速度快等優(yōu)勢,研究激勵參數(shù)的激勵規(guī)律和優(yōu)化激勵參數(shù)的激勵水平很有必要。研究以45號鋼板為對象,構(gòu)建內(nèi)部含缺陷的鋼板電磁-熱耦合場有限元仿真模型,對激勵參數(shù)的因素和水平進行設(shè)計,結(jié)合實驗分析仿真模型的可靠性,在此基礎(chǔ)上采用遺傳算法優(yōu)化仿真模型的激勵條件,使鋼板缺陷區(qū)與正常區(qū)溫度差異度最大化,使鋼板缺陷更易檢測。首先設(shè)計了線圈匝數(shù)、激勵時間、提離距離三個激勵參數(shù)的正交實驗,基于正交實驗數(shù)據(jù)建立并修正三維感應(yīng)加熱模型,結(jié)果表明:實驗數(shù)據(jù)與仿真數(shù)據(jù)的最高溫度、最低溫度和平均溫度的誤差均小于6.60%。此外,利用偏最小二乘回歸方法構(gòu)建了各參數(shù)與激勵熱效應(yīng)指標(biāo)(溫度差值)的回歸方程,定量分析了影響電磁激勵熱效應(yīng)的三個激勵參數(shù)對激勵熱效應(yīng)的影響程度,由偏最小二乘方法得出的模型觀測值與鋼板背面平均溫度的預(yù)測值之間誤差都在8.91%以內(nèi),表明所構(gòu)建的數(shù)學(xué)模型可以比較準(zhǔn)確的表征電磁激勵參數(shù)與激勵熱效應(yīng)之間的關(guān)系。其次,由于三維模型網(wǎng)格數(shù)量較大,后續(xù)遺傳算法結(jié)合有限元仿真優(yōu)化激勵參數(shù)時耗時較多,所以對三維感應(yīng)加熱模型進行降維,建立含缺陷的二維感應(yīng)加熱模型,與四因素四水平的16組正交實驗進行對比,結(jié)果表明:對比五個不同區(qū)域的溫度和鋼板表面的平均溫度,仿真和實驗結(jié)果的誤差均小于7.23%,驗證了模型的有效性,可用于后續(xù)激勵參數(shù)優(yōu)化中目標(biāo)函數(shù)的構(gòu)建。最后,以缺陷與正常區(qū)域溫度差異最大為目標(biāo)建立遺傳算法優(yōu)化模型,確定參數(shù)優(yōu)化的約束條件,并基于前期建立的有限元仿真模型構(gòu)建目標(biāo)函數(shù)。優(yōu)化結(jié)果表明:經(jīng)歷30次迭代后,獲得最優(yōu)激勵參數(shù)為匝數(shù)為8匝、位置為0.005米、提離為0米、時間為70秒。并通過多組對比實驗,驗證了該優(yōu)化結(jié)果的效果。
【關(guān)鍵詞】：渦流熱成像 遺傳算法 偏最小二乘 激勵參數(shù)
【學(xué)位授予單位】：華東交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG115.28;TP18
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-13
• 1.1 研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀及分析9-11
• 1.2.1 國外研究現(xiàn)狀9
• 1.2.2 國內(nèi)研究現(xiàn)狀9-11
• 1.3 研究內(nèi)容及技術(shù)路線11
• 1.3.1 研究內(nèi)容11
• 1.3.2 研究重點11
• 1.4 論文的結(jié)構(gòu)安排11-13
• 第二章 無缺陷鋼板的電磁激勵參數(shù)研究13-28
• 2.1 渦流熱成像檢測技術(shù)原理13
• 2.2 電磁-熱耦合三維有限元數(shù)學(xué)模型13-18
• 2.2.1 數(shù)值模擬方法的種類13-14
• 2.2.2 電磁場數(shù)學(xué)模型14-15
• 2.2.3 溫度場數(shù)學(xué)模型15-17
• 2.2.4 ANSYS耦合場分析17-18
• 2.3 數(shù)值仿真模型的驗證18-20
• 2.3.1 參數(shù)的選擇18
• 2.3.2 模型建立18-19
• 2.3.3 實驗設(shè)計19-20
• 2.3.4 實驗結(jié)果驗證20
• 2.4 基于偏最小二乘的電磁激勵參數(shù)之間關(guān)系建模20-27
• 2.4.1 設(shè)計正交實驗20-23
• 2.4.2 基于偏最小二乘的建模分析23-26
• 2.4.3 結(jié)果分析26-27
• 2.5 本章小結(jié)27-28
• 第三章 含缺陷鋼板的電磁激勵參數(shù)研究28-40
• 3.1 電磁-熱耦合二維有限元數(shù)學(xué)模型28-34
• 3.1.1 模型建立28-30
• 3.1.2 網(wǎng)格劃分30-31
• 3.1.3 邊界設(shè)置和計算時間步設(shè)置31-33
• 3.1.4 激勵參數(shù)的確定33-34
• 3.2 模型的驗證34-39
• 3.3 本章小結(jié)39-40
• 第四章 基于遺傳算法的激勵參數(shù)優(yōu)化40-49
• 4.1 優(yōu)化模型的建立40-43
• 4.1.1 遺傳算法概述40-41
• 4.1.2 激勵參數(shù)的目標(biāo)函數(shù)確定41-43
• 4.1.3 參數(shù)優(yōu)化約束條件43
• 4.2 遺傳算法的步驟43-44
• 4.2.1 激勵參數(shù)編碼43
• 4.2.2 創(chuàng)建初始種群43
• 4.2.3 適應(yīng)度的確定43-44
• 4.2.4 選擇操作44
• 4.2.5 交叉操作44
• 4.2.6 變異操作44
• 4.2.7 算法終止條件44
• 4.3 激勵參數(shù)的優(yōu)化結(jié)果及實驗驗證44-48
• 4.3.1 激勵參數(shù)優(yōu)化結(jié)果44-45
• 4.3.2 優(yōu)化結(jié)果實驗驗證45-48
• 4.4 本章小結(jié)48-49
• 第五章 總結(jié)與展望49-51
• 5.1 總結(jié)49
• 5.2 展望49-51
• 參考文獻51-54
• 附件一54-56
• 附件二56-62
• 個人簡歷 在讀期間發(fā)表的學(xué)術(shù)論文62-63
• 致謝63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉坤,劉偉波,吳忠強;基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報;2005年04期

2 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應(yīng)用[J];礦冶;2005年01期

3 馮錦春;楊林建;;遺傳算法在機械工程方面的應(yīng)用研究[J];煤礦機械;2008年08期

4 李凱;田雙亮;耿麗君;張喜;;基于改進遺傳算法在分析企業(yè)客戶群中的應(yīng)用[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2009年06期

5 劉鐵男,姜建國,陳繼剛,張長江,于鏑;遺傳算法的收斂性分析[J];大慶石油學(xué)院學(xué)報;2000年03期

6 樂慧豐,林家駿,俞金壽;投影遺傳算法[J];華東理工大學(xué)學(xué)報;2000年05期

7 苑進,孫忠林,劉雪美;改進遺傳算法在齒輪減速器優(yōu)化中的應(yīng)用[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2001年04期

8 李春利,郭章紅,楊振生;基于遺傳算法的分子設(shè)計初探[J];化學(xué)工業(yè)與工程;2002年01期

9 董軍芳,曾穎,林金清;應(yīng)用遺傳算法推算多元溶液熱力學(xué)數(shù)據(jù)[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2002年01期

10 唐雪萍,何緒全;遺傳算法在流體識別中的應(yīng)用[J];天然氣勘探與開發(fā);2002年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應(yīng)用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：847592