代理模型的微蜂群优化及在叶轮机械中的应用

发布时间：2017-09-18 23:03

  本文关键词：代理模型的微蜂群优化及在叶轮机械中的应用

  更多相关文章： 代理模型 微蜂群算法 径向基函数神经网络 叶轮机械 优化设计

【摘要】：当前复杂工程问题的数值仿真或物理实验依旧耗时昂贵,特别是基于计算流体力学(Computational Fluid Dynamics,CFD)的叶轮机械优化设计问题。代理模型技术可以减少这些复杂、耗时、易错的计算过程,提高计算效率。尽管目前有通用化商业软件(NUMECA和ISIGHT等)提供代理模型优化功能,但对于特定工程设计问题仍需要研究开放的、可定制的、模块化的高效代理优化技术,以支持进一步的总体优化设计。本文将代理模型技术与蜂群智能相结合,给出一种基于代理模型的微蜂群优化方法,并应用于求解混流泵导叶叶片的优化问题,以提高混流泵的水力效率。 本文工作内容如下： (1)在优化方法研究方面,给出一种全局优化的微蜂群算法(Micro Artificial Bee Colony, MABC)。该算法在人工蜂群算法(Artificial Bee Colony,ABC)的基础上,将初始种群变小,并在下一步迭代重新初始化。这是由于代理模型优化求解要求算法快速迭代,且实际模型可获取的样本很少导致算法初始化时只能提供有限的个体。为验证MABC算法的迭代速度和求解精度,分别采用标准遗传算法、蜂群算法、微蜂群算法对标准测试函数进行比较,测试结果表明了本文方法的有效性。 (2)在代理模型方面,本文给出一种基于径向基函数神经网络(Radial Basis Function Artificial Neural Network, RBF-ANN)的代理模型方法,考察了核函数的选择问题。由于真实模型中输入与输出映射关系往往是隐式的,难以用确定的函数式进行表达,本文首先给出了一般代理模型的建模步骤,包括实验设计、代理模型选择以及模型评价。然后针对本文研究的径向基函数神经网络(RBF-ANN)代理模型,在径向基层选择五种不同的核函数,并采用工程实例进行预测比较,结果表明核函数为多二次函数的RBF-ANN具有较好的预测效果。 (3)在以上工作的基础上,以叶轮机械中的混流泵为例,本文利用上述方法,针对其过流部件进行优化设计。首先对混流泵导叶模型进行参数化提取,研究混流泵导叶出口相对蜗壳进口位置的偏转角以及导叶包角大小对泵外特性,即水力效率和扬程的影响；然后根据工程分析获取的样本,利用RBF-ANN代理模型(核函数为多二次函数)逼近原真实模型；最后采用本文的微蜂群算法对RBF-ANN进行优化求解,计算结果表明了本文给出的微蜂群方法适用于混流泵过流部件的优化设计。 本文提出的基于代理模型的微蜂群优化方法,有助于计算智能理论进展,可为叶轮机械或其它复杂工程设计问题的求解提供参考。
【关键词】：代理模型 微蜂群算法 径向基函数神经网络 叶轮机械 优化设计
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH313;TP18
【目录】：

• 摘要4-6
• Abstract6-8
• 目录8-10
• 1 绪论10-19
• 1.1 课题来源10
• 1.2 研究目的及意义10-12
• 1.3 研究现状与分析12-17
• 1.3.1 叶轮机械优化设计概述12-14
• 1.3.2 蜂群优化研究概述14-15
• 1.3.3 代理模型研究概述15-17
• 1.4 本文的主要组织结构17-19
• 2 微蜂群优化方法19-31
• 2.1 人工蜂群算法19-25
• 2.1.1 蜂群简介21-22
• 2.1.2 人工蜂群算法基本原理22-25
• 2.2 微蜂群优化方法25-27
• 2.3 数值仿真与分析27-30
• 2.4 本章小结30-31
• 3 RBF-ANN代理模型的构造及预测31-48
• 3.1 RBF-ANN代理模型简介31-32
• 3.2 本文RBF-ANN代理模型的构造32-42
• 3.2.1 实验设计策略32-33
• 3.2.2 本文BP神经网络及训练过程33-37
• 3.2.3 本文RBF神经网络及核函数37-42
• 3.2.4 本文预测模型评价标准42
• 3.3 数值仿真及分析42-47
• 3.4 本章小结47-48
• 4 叶轮机械优化问题及求解48-58
• 4.1 混流泵简介48-50
• 4.2 混流泵水力模型参数化50-52
• 4.3 问题求解52-57
• 4.4 本章小结57-58
• 5 总结与展望58-60
• 5.1 本文研究总结58-59
• 5.2 后续工作展望59-60
• 参考文献60-64
• 攻读硕士学位期间发表学术论文情况64-65
• 致谢65-66

【参考文献】

中国期刊全文数据库 前10条

1 王晓锋,席光,王尚锦;离心压缩机叶轮的响应面优化设计Ⅰ:设计方法[J];工程热物理学报;2004年03期

2 王巍;陆鹏波;王晓放;戚光鑫;王一名;;混流泵叶片优化及基于状态方程模型的空化研究[J];大连理工大学学报;2013年01期

3 王振培;王丹;朱继宏;张卫红;;叶片参数化有限元建模与罩量优化设计[J];航空动力学报;2011年11期

4 丁海军;冯庆娴;;基于boltzmann选择策略的人工蜂群算法[J];计算机工程与应用;2009年31期

5 穆雪峰,姚卫星,余雄庆,刘克龙,薛飞;多学科设计优化中常用代理模型的研究[J];计算力学学报;2005年05期

6 罗钧;樊鹏程;;基于遗传交叉因子的改进蜂群优化算法[J];计算机应用研究;2009年10期

7 张超群;郑建国;王翔;;蜂群算法研究综述[J];计算机应用研究;2011年09期

8 胡中华;赵敏;撒鹏飞;;基于人工蜂群算法的JSP的仿真与研究[J];机械科学与技术;2009年07期

9 谷海涛;林扬;胡志强;俞建成;;基于代理模型的水下滑翔机机翼设计优化方法[J];机械工程学报;2009年12期

10 张翔;王洋;徐小敏;王洪玉;;叶片包角对离心泵性能的影响[J];农业机械学报;2010年11期

中国博士学位论文全文数据库 前5条

1 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年

2 段巍;汽轮机叶片强度可靠性分析的响应面方法研究[D];华北电力大学（河北）;2009年

3 朱阳历;叶轮机械叶片全三维反问题优化设计方法研究[D];中国科学院研究生院（工程热物理研究所）;2012年

4 欧鸣雄;AP1000海水循环泵研制及其内流场特性研究[D];江苏大学;2013年

5 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年

，

本文编号：878020