【摘要】：核動力裝置因其具有運行時常規(guī)污染物和溫室氣體排放少、不依賴空氣以及燃料能量密度極高等優(yōu)點,被應(yīng)用于發(fā)電和船舶動力領(lǐng)域。但對常見的壓水堆核動力裝置而言,由于主蒸汽參數(shù)較低,它也有尺寸大、熱效率低和投資成本高等缺點。如果能在保證裝置主要設(shè)計性能的前提下,運用優(yōu)化設(shè)計方法降低裝置中設(shè)備的重量、體積和成本,提高系統(tǒng)熱效率,則可以降低設(shè)備的制造和運輸難度,提高裝置的經(jīng)濟(jì)性和競爭力。因此核動力裝置優(yōu)化設(shè)計具有重要的理論意義和工程應(yīng)用價值。然而,由于裝置本身的復(fù)雜性,其設(shè)備或系統(tǒng)的優(yōu)化設(shè)計屬于復(fù)雜的強耦合非線性約束優(yōu)化問題,要解決核動力裝置優(yōu)化問題,必須開發(fā)性能優(yōu)良的優(yōu)化算法。以此為背景,本文開發(fā)了適用于核動力裝置優(yōu)化的新型單目標(biāo)和多目標(biāo)優(yōu)化算法,建立了典型設(shè)備和系統(tǒng)的數(shù)學(xué)模型,開發(fā)了相應(yīng)的評價程序,開展核動力裝置的優(yōu)化設(shè)計研究。論文主要研究內(nèi)容和結(jié)果如下:1.新型混合遺傳單目標(biāo)優(yōu)化算法開發(fā)。針對傳統(tǒng)遺傳算法求解精度不高和收斂慢的缺點,設(shè)計了新的算法策略,其中采用了并行交叉變異策略以提高種群多樣性;采用自適應(yīng)方法加快收斂速度、增強尋優(yōu)能力。針對Nelder-Mead單純形法的不足,設(shè)計了循環(huán)反射和循環(huán)擴張操作,以增強其局部深度搜索能力。鑒于遺傳算法和單純形法的互補性,將改進(jìn)后的兩個算法有機結(jié)合,開發(fā)了新型混合遺傳單目標(biāo)優(yōu)化算法,并設(shè)計了歸一化自適應(yīng)松弛約束處理法以增強算法處理約束優(yōu)化問題的能力。利用8個無約束優(yōu)化標(biāo)準(zhǔn)測試函數(shù)、13個約束優(yōu)化標(biāo)準(zhǔn)測試函數(shù)和4個工程約束優(yōu)化標(biāo)準(zhǔn)測試問題,對新型算法的性能進(jìn)行了測試,與其他優(yōu)秀算法的性能對比證明了所開發(fā)算法的有效性。2.新型混合遺傳多目標(biāo)優(yōu)化算法開發(fā)。為提高針對多目標(biāo)優(yōu)化問題的處理能力,提出新的多目標(biāo)處理策略:設(shè)計了快速?支配排序策略,以便同時對算法中可行和不可行個體進(jìn)行快速分級排序;設(shè)計了動態(tài)擁擠距離排序策略,以改善非支配解集的分布性;對單純形法進(jìn)行適應(yīng)性改進(jìn),設(shè)計了適用于多目標(biāo)優(yōu)化的單純形深度搜索策略,以提高算法的收斂性。將以上策略應(yīng)用于混合遺傳算法,開發(fā)了新型混合遺傳多目標(biāo)算法。采用7個無約束多目標(biāo)優(yōu)化標(biāo)準(zhǔn)測試函數(shù)、6個約束多目標(biāo)優(yōu)化標(biāo)準(zhǔn)測試函數(shù)和4個工程多目標(biāo)約束優(yōu)化標(biāo)準(zhǔn)測試問題對新算法的性能進(jìn)行了測試,并與其他算法進(jìn)行了對比。3.典型核動力設(shè)備單目標(biāo)和多目標(biāo)優(yōu)化設(shè)計實例研究。選擇給水加熱器作為典型核動力設(shè)備,建立了給水加熱器的數(shù)學(xué)模型,利用C#語言編寫了相應(yīng)的評價程序,并通過實例評價驗證了數(shù)學(xué)模型的準(zhǔn)確性和有效性�；谒_發(fā)的評價程序和新型算法,以設(shè)備重量、體積和總成本為優(yōu)化目標(biāo),對大亞灣核電系統(tǒng)里的7號高壓給水加熱器和3號低壓給水加熱器開展了單目標(biāo)和多目標(biāo)優(yōu)化實例研究。單目標(biāo)優(yōu)化結(jié)果顯示,7號高加和3號低加的重量、體積和總成本最大減幅分別為13.46%、19.88%、21.45%和15.29%、27.79%、22.03%,證明了所開發(fā)優(yōu)化算法在核動力設(shè)備單目標(biāo)優(yōu)化中的可用性和有效性。多目標(biāo)優(yōu)化設(shè)計給出了設(shè)備重量總成本和體積總成本的優(yōu)化方案集,供設(shè)計者按設(shè)計需要選擇,為設(shè)計選型提供了重要參考。4.核動力裝置熱力系統(tǒng)單目標(biāo)和多目標(biāo)優(yōu)化設(shè)計實例研究。建立了核動力裝置熱力系統(tǒng)的數(shù)學(xué)模型,編制開發(fā)了相應(yīng)的評價程序,通過實例評價驗證了數(shù)學(xué)模型的準(zhǔn)確性和有效性。以評價程序和新型算法為基礎(chǔ),以大亞灣核電二回路熱力系統(tǒng)為對象,開展了系統(tǒng)單目標(biāo)和多目標(biāo)優(yōu)化研究。其中,單目標(biāo)優(yōu)化結(jié)果表明,僅通過運行參數(shù)的優(yōu)化,最優(yōu)化方案中機組的輸出功率就可以增加10.3MW,相應(yīng)的系統(tǒng)熱效率從33.81%提高至34.16%;在多目標(biāo)優(yōu)化實例分析中,同時對系統(tǒng)的運行參數(shù)和給水加熱器進(jìn)行協(xié)同優(yōu)化,優(yōu)化方案的機組輸出功率增加了23.9MW,對應(yīng)系統(tǒng)熱效率則可提高至34.63%。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP18
【圖文】：

控制和熱經(jīng)濟(jì)性提高具有現(xiàn)實意義和指導(dǎo)價值。設(shè)計方法概述核動力裝置的系統(tǒng)或設(shè)備進(jìn)行優(yōu)化設(shè)計的一般過程是：準(zhǔn)則，對需要優(yōu)化的系統(tǒng)或設(shè)備建立起可以評價其性能價指標(biāo)和工程約束條件下，運用優(yōu)化算法在設(shè)計空間內(nèi)和篩選；最后，選取出符合條件的最優(yōu)設(shè)計方案并輸出設(shè)計是一個黑箱問題，設(shè)計者無法預(yù)知最優(yōu)方案的具體信得的結(jié)果是否為設(shè)計空間內(nèi)的最優(yōu)方案。要通過優(yōu)化設(shè)案，必須滿足兩個關(guān)鍵因素：一是要嚴(yán)格按照工程設(shè)計數(shù)學(xué)模型，這是對核動力裝置進(jìn)行有效優(yōu)化設(shè)計的前提優(yōu)化算法執(zhí)行優(yōu)化設(shè)計，這是獲得優(yōu)良設(shè)計方案的保證置優(yōu)化設(shè)計的一般流程圖。

圖 1.2 Schwefel 測試問題的函數(shù)圖像 圖 1.3 Schaffer 測試問題的函數(shù)圖像Fig. 1.2 Functional imagine of Schwefel’s problem Fig. 1.3 Functional imagine of Schaffer’s problem2. 啟發(fā)式優(yōu)化算法在優(yōu)化理論的實際應(yīng)用領(lǐng)域，很多待優(yōu)化問題都屬于 NP（Non-DeterministicPolynomial，非確定性多項式）難問題[24]。根據(jù) NP 完全理論[25]，不存在能在多項式時間內(nèi)解決 NP 難問題的確定性算法。針對 NP 難問題，經(jīng)典算法需要的運算時間隨優(yōu)化變量的維度指數(shù)級增長。為了解決這類問題，同時克服經(jīng)典算法的固有局限性，學(xué)者們轉(zhuǎn)向研究新的搜索機制和策略，于是產(chǎn)生了以概率型搜索策略為基本特征的啟發(fā)式算法（Heuristicalgorithm）。啟發(fā)式算法是一種依據(jù)直觀或經(jīng)驗構(gòu)造的算法，能夠在可接受的計算花費內(nèi)，給出復(fù)雜優(yōu)化問題的令人滿意的可行解，該可行解不一定是最優(yōu)解，甚至無法評估它與最優(yōu)解的偏離程度[26]。一般而言，它是受到自然規(guī)律、物理規(guī)律或者是解決某些具體問題的經(jīng)驗方法的啟發(fā)，模擬其運行機制而開發(fā)出來的算法，雖然它和經(jīng)典算法一樣，不能保證最終解的質(zhì)量，但對比而言，啟發(fā)式算法具備諸多優(yōu)勢。首先，啟發(fā)式算法對目標(biāo)函數(shù)和約束條件的解析性、連續(xù)性和凹凸性均沒有要求，因而具有廣泛

圖 1.2 Schwefel 測試問題的函數(shù)圖像 圖 1.3 Schaffer 測試問題的函數(shù)圖像Fig. 1.2 Functional imagine of Schwefel’s problem Fig. 1.3 Functional imagine of Schaffer’s problem2. 啟發(fā)式優(yōu)化算法在優(yōu)化理論的實際應(yīng)用領(lǐng)域，很多待優(yōu)化問題都屬于 NP（Non-DeterministicPolynomial，非確定性多項式）難問題[24]。根據(jù) NP 完全理論[25]，不存在能在多項式時間內(nèi)解決 NP 難問題的確定性算法。針對 NP 難問題，經(jīng)典算法需要的運算時間隨優(yōu)化變量的維度指數(shù)級增長。為了解決這類問題，同時克服經(jīng)典算法的固有局限性，學(xué)者們轉(zhuǎn)向研究新的搜索機制和策略，于是產(chǎn)生了以概率型搜索策略為基本特征的啟發(fā)式算法（Heuristicalgorithm）。啟發(fā)式算法是一種依據(jù)直觀或經(jīng)驗構(gòu)造的算法，能夠在可接受的計算花費內(nèi)，給出復(fù)雜優(yōu)化問題的令人滿意的可行解，該可行解不一定是最優(yōu)解，甚至無法評估它與最優(yōu)解的偏離程度[26]。一般而言，它是受到自然規(guī)律、物理規(guī)律或者是解決某些具體問題的經(jīng)驗方法的啟發(fā)，模擬其運行機制而開發(fā)出來的算法，雖然它和經(jīng)典算法一樣，不能保證最終解的質(zhì)量，但對比而言，啟發(fā)式算法具備諸多優(yōu)勢。首先，啟發(fā)式算法對目標(biāo)函數(shù)和約束條件的解析性、連續(xù)性和凹凸性均沒有要求，因而具有廣泛

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉成洋;閻昌琪;王建軍;;核電廠二回路熱力系統(tǒng)的參數(shù)優(yōu)化[J];核科學(xué)與工程;2015年01期

2 周蘭欣;李飛;付文鋒;王慶五;;基于粒子群算法的壓水堆核電機組回?zé)嵯到y(tǒng)優(yōu)化[J];熱力發(fā)電;2014年09期

3 陳磊;閻昌琪;王建軍;;一種改進(jìn)的穩(wěn)壓器優(yōu)化設(shè)計及其瞬態(tài)特性[J];原子能科學(xué)技術(shù);2013年12期

4 劉成洋;閻昌琪;王建軍;劉振海;;核動力二回路系統(tǒng)優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2013年03期

5 盧青波;張學(xué)良;溫淑花;蘭國生;劉麗琴;;高斯變異差分進(jìn)化算法及其應(yīng)用研究[J];工程設(shè)計學(xué)報;2012年05期

6 劉成洋;閻昌琪;王建軍;;船舶汽輪機優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2012年S1期

7 劉成洋;閻昌琪;王建軍;;基于改進(jìn)遺傳算法的冷凝器優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2012年04期

8 劉成洋;閻昌琪;王建軍;;基于混合遺傳算法的穩(wěn)壓器優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2012年03期

9 李貴敬;閻昌琪;王建軍;賀士晶;;主循環(huán)泵重量和體積的優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2011年09期

10 秦慧敏;閻昌琪;王建軍;;反應(yīng)堆一回路裝置的容積優(yōu)化設(shè)計[J];核動力工程;2011年04期

相關(guān)博士學(xué)位論文 前5條

1 李貴敬;核動力設(shè)備及系統(tǒng)的多目標(biāo)參數(shù)優(yōu)化[D];哈爾濱工程大學(xué);2015年

2 陳磊;核動力系統(tǒng)多目標(biāo)優(yōu)化方法研究及可行性驗證[D];哈爾濱工程大學(xué);2014年

3 劉成洋;核動力裝置總體參數(shù)最優(yōu)化設(shè)計[D];哈爾濱工程大學(xué);2013年

4 楊曉燕;快堆堆芯燃料管理優(yōu)化研究[D];清華大學(xué);2010年

5 石秀安;壓水堆核電站堆芯燃料管理與優(yōu)化研究[D];清華大學(xué);2007年

相關(guān)碩士學(xué)位論文 前4條

1 胡振洲;一種面向約束優(yōu)化問題的多目標(biāo)混合進(jìn)化算法的研究[D];南京航空航天大學(xué);2014年

2 劉振海;核動力設(shè)備優(yōu)化設(shè)計研究[D];哈爾濱工程大學(xué);2013年

3 馮可新;換熱器參數(shù)化建模技術(shù)研究[D];哈爾濱工程大學(xué);2013年

4 金芬;遺傳算法在函數(shù)優(yōu)化中的應(yīng)用研究[D];蘇州大學(xué);2008年

本文編號：2789922