發(fā)布時(shí)間：2017-09-18 23:03

  本文關(guān)鍵詞：代理模型的微蜂群優(yōu)化及在葉輪機(jī)械中的應(yīng)用

  更多相關(guān)文章： 代理模型 微蜂群算法 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 葉輪機(jī)械 優(yōu)化設(shè)計(jì)

【摘要】：當(dāng)前復(fù)雜工程問題的數(shù)值仿真或物理實(shí)驗(yàn)依舊耗時(shí)昂貴,特別是基于計(jì)算流體力學(xué)(Computational Fluid Dynamics,CFD)的葉輪機(jī)械優(yōu)化設(shè)計(jì)問題。代理模型技術(shù)可以減少這些復(fù)雜、耗時(shí)、易錯(cuò)的計(jì)算過程,提高計(jì)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(duì)于特定工程設(shè)計(jì)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(shù),以支持進(jìn)一步的總體優(yōu)化設(shè)計(jì)。本文將代理模型技術(shù)與蜂群智能相結(jié)合,給出一種基于代理模型的微蜂群優(yōu)化方法,并應(yīng)用于求解混流泵導(dǎo)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(nèi)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(chǔ)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(shí)際模型可獲取的樣本很少導(dǎo)致算法初始化時(shí)只能提供有限的個(gè)體。為驗(yàn)證MABC算法的迭代速度和求解精度,分別采用標(biāo)準(zhǔn)遺傳算法、蜂群算法、微蜂群算法對(duì)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行比較,測(cè)試結(jié)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(luò)(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(shí)模型中輸入與輸出映射關(guān)系往往是隱式的,難以用確定的函數(shù)式進(jìn)行表達(dá),本文首先給出了一般代理模型的建模步驟,包括實(shí)驗(yàn)設(shè)計(jì)、代理模型選擇以及模型評(píng)價(jià)。然后針對(duì)本文研究的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(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(shí)例進(jìn)行預(yù)測(cè)比較,結(jié)果表明核函數(shù)為多二次函數(shù)的RBF-ANN具有較好的預(yù)測(cè)效果。 (3)在以上工作的基礎(chǔ)上,以葉輪機(jī)械中的混流泵為例,本文利用上述方法,針對(duì)其過流部件進(jìn)行優(yōu)化設(shè)計(jì)。首先對(duì)混流泵導(dǎo)葉模型進(jìn)行參數(shù)化提取,研究混流泵導(dǎo)葉出口相對(duì)蝸殼進(jìn)口位置的偏轉(zhuǎn)角以及導(dǎo)葉包角大小對(duì)泵外特性,即水力效率和揚(yáng)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(shí)模型；最后采用本文的微蜂群算法對(duì)RBF-ANN進(jìn)行優(yōu)化求解,計(jì)算結(jié)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(shè)計(jì)。 本文提出的基于代理模型的微蜂群優(yōu)化方法,有助于計(jì)算智能理論進(jìn)展,可為葉輪機(jī)械或其它復(fù)雜工程設(shè)計(jì)問題的求解提供參考。
【關(guān)鍵詞】：代理模型 微蜂群算法 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 葉輪機(jī)械 優(yōu)化設(shè)計(jì)
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：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(jī)械優(yōu)化設(shè)計(jì)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(jié)構(gòu)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(jiǎn)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(jié)30-31
• 3 RBF-ANN代理模型的構(gòu)造及預(yù)測(cè)31-48
• 3.1 RBF-ANN代理模型簡(jiǎn)介31-32
• 3.2 本文RBF-ANN代理模型的構(gòu)造32-42
• 3.2.1 實(shí)驗(yàn)設(shè)計(jì)策略32-33
• 3.2.2 本文BP神經(jīng)網(wǎng)絡(luò)及訓(xùn)練過程33-37
• 3.2.3 本文RBF神經(jīng)網(wǎng)絡(luò)及核函數(shù)37-42
• 3.2.4 本文預(yù)測(cè)模型評(píng)價(jià)標(biāo)準(zhǔn)42
• 3.3 數(shù)值仿真及分析42-47
• 3.4 本章小結(jié)47-48
• 4 葉輪機(jī)械優(yōu)化問題及求解48-58
• 4.1 混流泵簡(jiǎn)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(jié)57-58
• 5 總結(jié)與展望58-60
• 5.1 本文研究總結(jié)58-59
• 5.2 后續(xù)工作展望59-60
• 參考文獻(xiàn)60-64
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況64-65
• 致謝65-66

【參考文獻(xiàn)】

中國(guó)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(jī)葉輪的響應(yīng)面優(yōu)化設(shè)計(jì)Ⅰ:設(shè)計(jì)方法[J];工程熱物理學(xué)報(bào);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(xué)學(xué)報(bào);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?jī)?yōu)化設(shè)計(jì)[J];航空動(dòng)力學(xué)報(bào);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(jì)算機(jī)工程與應(yīng)用;2009年31期

5 穆雪峰,姚衛(wèi)星,余雄慶,劉克龍,薛飛;多學(xué)科設(shè)計(jì)優(yōu)化中常用代理模型的研究[J];計(jì)算力學(xué)學(xué)報(bào);2005年05期

6 羅鈞;樊鵬程;;基于遺傳交叉因子的改進(jìn)蜂群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2009年10期

7 張超群;鄭建國(guó);王翔;;蜂群算法研究綜述[J];計(jì)算機(jī)應(yīng)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(jī)械科學(xué)與技術(shù);2009年07期

9 谷海濤;林揚(yáng);胡志強(qiáng);俞建成;;基于代理模型的水下滑翔機(jī)機(jī)翼設(shè)計(jì)優(yōu)化方法[J];機(jī)械工程學(xué)報(bào);2009年12期

10 張翔;王洋;徐小敏;王洪玉;;葉片包角對(duì)離心泵性能的影響[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2010年11期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 王吉權(quán);BP神經(jīng)網(wǎng)絡(luò)的理論及其在農(nóng)業(yè)機(jī)械化中的應(yīng)用研究[D];沈陽農(nóng)業(yè)大學(xué);2011年

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

3 朱陽歷;葉輪機(jī)械葉片全三維反問題優(yōu)化設(shè)計(jì)方法研究[D];中國(guó)科學(xué)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(nèi)流場(chǎng)特性研究[D];江蘇大學(xué);2013年

5 王艷嬌;人工蜂群算法的研究與應(yīng)用[D];哈爾濱工程大學(xué);2013年

，

本文編號(hào)：878020