基于混合差分进化的智能核设计方法研究

发布时间：2020-03-22 08:24

【摘要】：反应堆核设计优化是核工程设计中的重要内容,对提高核电站的经济性和安全性至关重要。由于涉及变量众多并存在诸多约束,使得核设计优化过程十分繁琐复杂。目前基于人工智能的优化方法已在核设计优化领域应用较为广泛,但存在收敛性不足、受参数影响大的问题,导致优化结果有时反不如人工优化。本文基于中子输运设计与安全评价软件系统SuperMC“超级蒙卡”,开展了智能核设计方法研究,主要研究内容和创新概括如下:(1)发展了混合差分进化的核设计优化方法。核设计优化中变量类型包含连续型与离散型。差分进化算法(Differential Evolution,DE)设计为处理连续空间优化问题,难以处理其中离散变量的优化。本文基于DE算法发展了混合差分进化的核设计优化方法(HTDE)。HTDE中对离散变量编码方式进行了设计,发展并增加了相应的变异与交叉策略,实现了混合变量问题的优化。为了进一步提高算法的性能,提出了一种新的自适应交叉概率,并采用了反向学习方法。在连续、离散优化测试及PWR堆芯装载优化性能测试例题中,HTDE均表现了良好的收敛性与鲁棒性。(2)发展了非支配混合差分多目标核设计优化方法。核设计优化中往往涉及多个目标的同时优化,NSGA-II是解决多目标优化的经典算法,但其存在多样性与收敛性不足的缺点。本文将HTDE和NSGA-II融合,采用了改进的拥挤度算子,提出了新的排序策略与种群动态调整策略,发展了非支配混合差分多目标核设计优化方法(MHTDE)。为了验证MHTDE的性能,本文使用了国际多目标基准例题对MHTDE进行了测试,结果显示了MHTDE在处理多目标优化问题中的效率。本文分别使用西屋压水堆、田纳西反应堆WBN1以及萨瓦娜核动力船优化基准题对发展的方法进行了综合测试。西屋压水堆装载优化目标为保证有效增殖因数keff满足限值的情况下使功率峰因子(PPF)最小,优化方案将PPF从1.60降至了1.21。田纳西反应堆WBN1的优化目标为最大化keff、最小化PPF,同时考虑慢化剂温度系数等的约束,优化后keff提高1.0%,PPF降低2.6%。萨瓦娜船屏蔽设计优化中,在保证剂量水平在可接受范围内的前提下,优化后屏蔽体重量降低了25.5%,体积降低了15%。以上综合测试证明了本文发展的优化方法的可行性与有效性,可广泛应用于复杂反应堆核设计优化中。
【图文】：

元素进入到Ｍｆ＋１，有利于加强局部搜索；反之，＜邋有更多的元素进入到Ｍｆ＋１，，有逡逑利于保持种群的多样性避免过快地进入到局部收敛。相比＾与尸，ＤＥ算法中逡逑Ｃ／？的变化更加敏感。下图２．３给出了邋ＤＥ交叉过程示意。逡逑１７逡逑

的是对于最小化优化问题，／值越小代表个体越优。同时，当原个体与试验个体逡逑适应度值相等时，经典ＤＥ会优先选择试验个体以使种群保持多样性。逡逑综上所述，ＤＥ算法进化的流程如下图２．４所示。逡逑Ｃ＾Ｄ逡逑初始化种群并评价逡逑——＾￣Ｊ逡逑差分变异产生变异种群逡逑交叉产生试验种群逡逑—选择产生下一代种群逡逑图２．４邋ＤＥ算法流程图逡逑１８逡逑
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP18;TM623

【相似文献】

相关期刊论文 前10条

1 刘昊;丁进良;杨翠娥;柴天佑;;基于择优学习策略的差分进化算法[J];上海交通大学学报;2017年06期

2 孙龙;李晖;赵曼;董理君;吴杰;;基于差分进化算法的卫星任务未安排原因分析[J];无线电工程;2017年11期

3 胡朝根;;基于退火算子的差分进化算法[J];数字技术与应用;2016年07期

4 杨斌;;浅析差分进化算法的多目标优化方法研究[J];祖国;2017年03期

5 韩学锋;徐欢;;带局部搜索的自适应动态差分进化算法[J];天津职业院校联合学报;2014年02期

6 洪云飞;陈忠;;无约束优化问题的差分进化算法求解[J];长江大学学报(自科版);2013年31期

7 谢春明;;基于差分进化的计算机安全算法研究[J];煤炭技术;2013年01期

8 李英海;莫莉;左建;;基于混合差分进化算法的梯级水电站调度研究[J];计算机工程与应用;2012年04期

9 谢欢欢;杨伯朝;;基于差分进化算法的阵列天线波束赋形研究[J];现代导航;2012年03期

10 张宏;蒋德勇;;一种基于差分进化算法和粒子群算法的双进化方式的全局优化算法[J];黑龙江科技信息;2012年32期

相关会议论文 前10条

1 陆丝馨;肖健梅;王锡淮;;基于改进差分进化算法的舰船电网重构[A];第二十九届中国控制会议论文集[C];2010年

2 雍龙泉;;求解一类多目标优化问题的极大熵差分进化算法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 赵娟;蔡涛;邓方;杨红伟;;基于改进差分进化算法的脉冲控制方法[A];中国自动化学会控制理论专业委员会B卷[C];2011年

4 刘国帅;杨侃;陈静;周景舒;周冉;郑姣;;差分进化算法在三峡电站厂内经济运行中的应用[A];中国水文科技新发展——2012中国水文学术讨论会论文集[C];2012年

5 楼洋;李均利;陈刚;;基于个体排序的差分进化算法[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

6 裴振奎;刘真;赵艳丽;;差分进化算法在多目标路径规划中的应用[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

7 牛晓洁;舒健生;杨奇松;聂闯;;卫星规避单个动能拦截器优化方法研究[A];第四届中国指挥控制大会论文集[C];2016年

8 姜立强;郭铮;刘光斌;;差分进化算法缩放因子取值策略研究[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

9 周红;张建华;;基于差分进化优化的高斯混合模型在说话人识别中的应用[A];第26届中国控制与决策会议论文集[C];2014年

10 解磊;焦永昌;杜彪;史琰;;基于差分进化算法的宽频带光壁喇叭优化设计[A];2015年全国微波毫米波会议论文集[C];2015年

相关重要报纸文章 前1条

1 兴业期货 秦小坡;基于技术指标的DE——反转alpha策略[N];期货日报;2010年

相关博士学位论文 前10条

1 徐广治;非线性群智能优化及其应用研究[D];北京邮电大学;2019年

2 丁辉;基于混合差分进化的智能核设计方法研究[D];中国科学技术大学;2019年

3 汪慎文;同质差分进化算法集成研究[D];武汉大学;2013年

4 刘宏志;人工蜂群与差分进化算法研究及其应用[D];东北大学;2015年

5 程吉祥;自主差分进化算法设计及应用[D];西南交通大学;2015年

6 谢宇;差分进化的若干问题及其应用研究[D];南京理工大学;2015年

7 暏大海;差分进化算法的改进及在约束优化中的应用[D];武汉大学;2017年

8 符纯明;面向结构优化设计的差分进化算法研究[D];湖南大学;2017年

9 车林仙;面向机构分析与设计的差分进化算法研究[D];中国矿业大学;2012年

10 孙成富;差分进化算法及其在电力系统调度优化中的应用研究[D];华中科技大学;2010年

相关硕士学位论文 前10条

1 郝海强;基于差分进化算法的二维电震联合反演方法的研究[D];石家庄经济学院;2015年

2 刘畅;倒立摆模糊神经网络控制器差分进化算法优化设计[D];厦门大学;2018年

3 韩超;求解TSP问题的多目标进化方法研究[D];武汉理工大学;2018年

4 谢光磊;肿瘤亚型分析中针对基因表达数据差分进化特征选择算法的研究[D];南方医科大学;2018年

5 刘昊;基于择优学习的差分进化算法及其在选矿指标决策中的应用[D];东北大学;2015年

6 朝日雅拉;基于差分进化算法的并行连续退火机组钢卷调度问题[D];东北大学;2015年

7 王莎;差分进化算法改进及其在2.5D集成电路测试中的应用[D];哈尔滨工业大学;2018年

8 刘鹏;多目标差分进化算法的改进研究[D];湖南大学;2016年

9 龚中汉;差分进化算法改进研究及其应用[D];湖南大学;2014年

10 许伟伟;多模态多目标差分进化算法研究及在非线性方程组的应用[D];郑州大学;2018年

本文编号：2594790