基于遗传算法的中子屏蔽优化策略研究

发布时间：2020-11-16 06:53

　　 辐射屏蔽设计是核工程设计中的重要组成部分之一。设计中除了需要考虑最关键的辐射屏蔽,还要考虑多个设计目标进行优化设计。尤其对特种核动力装置,如舰艇用核动力反应堆、航空航天用空间反应堆、浮动核电站等,还需要考虑辐射屏蔽系统的体积、重量等设计指标。因此,辐射屏蔽设计是一个典型的多目标优化问题。传统辐射屏蔽设计方法通常基于手工迭代加经验判断开展反应堆辐射屏蔽优化设计,导致最终辐射屏蔽方案非最优化、不确定性因素多、设计周期长等问题。本文针对中子屏蔽多目标优化问题,开展了基于遗传算法的中子屏蔽优化策略研究,实现了基于归一化遗传算法和基于非支配排序的非归一化遗传算法中子屏蔽多目标优化策略。同时,基于归一化和非归一化优化策略,结合辐射屏蔽计算理论,开发了基于遗传算法的中子屏蔽优化程序。以美国商用破冰船萨瓦拉反应堆屏蔽装置作为数值基准题,对本文中子屏蔽优化策略及程序开展了数值验证,并对非归一化遗传算法优化策略与归一化遗传算法优化策略进行了对比分析。数值验证结果表明,基于本文中子屏蔽优化策略及程序实现了对数值基准题屏蔽层几何结构及屏蔽层材料的优化,证明了本文基于遗传算法的屏蔽优化策略在中子屏蔽优化问题应用上的可行性和有效性。
【学位单位】：南华大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP18;TL328
【部分图文】：

图 5-3 归一化权重方案 1 收敛图数据表 5-6 和图 5-3 可知，归一化中子屏蔽优化方法是收敛的，初算法设计的正确性，可以看出，由于剂量权重因子 CR为 1，另外为 0，最终得到的 F 值接近于 0，这是由于剂量值的是跨量级的波量值最终为 5.42E-21 较初始值 7.58E-17 小约 104倍。最终方案的比初始方案要小，而重量却比初始方案要大，这是因为重量和体积为 0。在不计重量和体积的情况下只优化剂量，最终得到了剂量和而重量不满足优化结果。

图 5-3 归一化权重方案 1 收敛图数据表 5-6 和图 5-3 可知，归一化中子屏蔽优化方法是收敛的，初算法设计的正确性，可以看出，由于剂量权重因子 CR为 1，另外为 0，最终得到的 F 值接近于 0，这是由于剂量值的是跨量级的波量值最终为 5.42E-21 较初始值 7.58E-17 小约 104倍。最终方案的比初始方案要小，而重量却比初始方案要大，这是因为重量和体积为 0。在不计重量和体积的情况下只优化剂量，最终得到了剂量和而重量不满足优化结果。

归一化权重方案1与原始方案对比
【相似文献】

相关期刊论文 前10条

1 王富超;;拟梯度遗传算法在水电厂厂内经济运行中的应用[J];通信电源技术;2019年12期

2 冯锦春;杨林建;;利用遗传算法进行机械优化[J];四川工程职业技术学院学报;2007年06期

3 任志凤;胡小建;孙太生;徐飞;李云良;;遗传算法在焊接领域的优化与应用[J];现代焊接;2012年03期

4 李振业;陈婷;陈静;;基于遗传算法的旅游最优路径探究[J];电脑知识与技术;2018年34期

5 唐文琦;曾干敏;刘泽宇;;浅谈遗传算法及其部分改进算法[J];科技风;2019年12期

6 李岩;袁弘宇;于佳乔;张更伟;刘克平;;遗传算法在优化问题中的应用综述[J];山东工业技术;2019年12期

7 魏晓玲;;一种改进遗传算法及验证[J];电脑编程技巧与维护;2019年06期

8 冯双林;靳继红;;现代农机数字化装配车间调度技术研究——基于云计算和遗传算法[J];农机化研究;2018年01期

9 梁肖;周湘贞;;基于遗传算法的小麦收割机路径智能优化控制研究[J];农机化研究;2018年02期

10 王勇;孙耀南;;基于遗传算法的医院房间位置优化研究[J];电脑与信息技术;2018年01期

相关博士学位论文 前10条

1 孙秋红;基于遗传算法的水质数据挖掘与应用研究[D];燕山大学;2016年

2 金小敏;移动云环境中的计算迁移系统关键技术研究[D];北京邮电大学;2018年

3 王小港;遗传算法在VLSI设计自动化中的应用研究[D];中国科学院上海冶金研究所;2001年

4 宋晓峰;优生演进优化和统计学习建模[D];浙江大学;2003年

5 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年

6 卜雷;城市货物运输规划优化方法研究[D];西南交通大学;2004年

7 廖平;基于遗传算法的形状误差计算研究[D];中南大学;2002年

8 李智勇;模式交流多群体遗传算法及其在神经网络进化建模中的应用[D];湖南大学;2003年

9 陈星;网络并行和遗传算法在HPM生物效应评价和辐射天线设计中的应用研究[D];四川大学;2004年

10 金菊良;遗传算法及其在水问题中的应用[D];河海大学;1998年

相关硕士学位论文 前10条

1 田宇;多模式工程项目质量工期成本复合激励优化研究[D];华北水利水电大学;2019年

2 陈亚楠;基于改进遗传算法的WSN能量均衡路由算法研究[D];安徽理工大学;2019年

3 杨涛;基于SLP和遗传算法的CR公司车间布局优化研究[D];北京交通大学;2019年

4 闫辉;分割树遗传算法在H公司车间布局中的应用研究[D];河北工业大学;2017年

5 杨晨;基于遗传算法的太阳能热气流电站涡轮机叶片的优化设计[D];青岛科技大学;2019年

6 邱程峰;中低压配电网态势可视化关键问题及算法研究[D];杭州电子科技大学;2019年

7 林晓雯;电商平台服务器性能优化设计与实现[D];电子科技大学;2019年

8 毛勇;联合隐马尔可夫与遗传算法的态势预测方法研究[D];西北大学;2019年

9 由林青;配对交易策略中交易信号动态化研究[D];北京工商大学;2018年

10 丁越;基于遗传算法的P2P网贷违约预警模型研究[D];浙江大学;2019年

本文编号：2885762