核动力二回路热力系统优化研究
发布时间：2021-01-16 05:00
与船舶常规动力系统相比,核动力系统具有核燃料能量密度高、燃料反应无需氧气供给、推进功率大和稳定易控制等显著优点,使得船舶可以获得良好的续航力和可靠性,因此在船舶应用领域得到了密切关注和快速发展。其中,二回路系统实现了热能向机械能及电能的转换,不仅提供船舶前进的动力,也解决了电力等其他用能需求,是船舶核动力系统中的重要组成部分。如何对核动力系统进行有效设计,使得装置的重量和体积最小,系统的效率最大,成为研究的热点问题。本文对研究课题中的船舶核动力二回路热力系统进行了优化研究,在蒸汽发生器结构设计的基础上建立了数学模型,并对其他设备采用集总参数法进行建模;然后利用Matlab软件对各设备建立了 Simulink仿真模型,构建了完整的二回路热力系统仿真计算平台。通过采用惯性权重自适应调整策略,引入遗传算法中的交叉选择思想和约束违反程度概念,对粒子群优化算法进行了适当的改进,改善了算法的求解性能,弥补了无法求解约束问题的缺陷。在系统仿真平台上,利用改进的优化算法,完成了蒸汽发生器的结构优化和二回路系统的热力性能优化,确定了最佳参数组合以获得最小的重量体积和最大的热效率。经过优化后,蒸汽发生器的...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图４．２蒸汽发生器Ｓｉｍｕｌｉｎｋ模型??该模型包括四部分，分别为热力计算、结构计算、质量体积计算和水力计算
?？?＋??Ｓｕｂｔｒａｃｔ??图４．３蒸汽发生器热力计算Ｓｉｍｕ丨ｉｎｋ模型??如图４．３所示为蒸汽发生器热力计算部分的Ｓｉｍｕｌｉｎｋ模型，主要是根据额定工况下??给出的己知参数，计算出蒸汽发生器的换热量０、对数平均温差／ｍ、冷却剂的质量流量??Ｇｃ和平均温度／ａ等，从而进行下一步的结构计算。??Ｅｌ）?＾?｜—?？｜—？?ｎｕ）——？ｍ??｜｜Ａｉｌ〉?＾?￣Ｈｉ?Ｆｃｎ８??一’?——？?？ｕ）?－？〇＾＞?ｊ??丨ｍ?Ｑ３?ＰｒｏＡ＾Ｊ?Ｆｃｎ５???ｅｓｎ?Ｊ?＿??（３?）－＞?ｔａ?｜?？！??，ａ?ＲｍＪｄ?Ｃ！＞ｒ＜ｉ±）?一＇??１?一??ｒｒ＾?ｄｅｎｓｉｔｙ?＾?－?ｆ｜?Ｆｃｎ２?Ｂ?？?－？?ｆ（ｕ）?－Ｕ＾Ｔ）??ｙｄ［＾ｇＬ?Ｌ－ｊｔ?Ｋ??Ｓｕｂｓｙｓｔｅｍ?Ｆｃｎ１＂＂＂＂＾??＜——？ＣＱ??？?ｕ（２Ｖｕ（１）」??ｐ”?ｒｗ?二＾￣４?ｊ——??．?Ｉ?００１?ｌｎ（ｕ（２ｙｕ（１））－??＊?Ｌｊ｜???Ｆｃｎ３??ａ｜＾?ｕｄ＾－ｕＣ）?—?Ｉ????—＾???＿＿?￣?Ｉ?Ｋｕ）」??ｔｗｈｏｕ?ｈｃｎ?ｆ（ｕ）?—？＾［Ａｉｌ?［?－Ｃ－??－＿??ｆｃｎ?Ｒｍａｄ??图４．４蒸汽发生器结构计算Ｓｉｍｕｌｉｎｋ模型??３１??
Ｒｆ〇ｆ＾３?ＦｃｎＵ?Ｐ４??图４．６蒸汽发生器一次侧总阻力计算Ｓｉｍｕｌｉｎｋ模型??如图４．６所示为蒸汽发生器一次侧总阻力计算的Ｓｉｍｕｌｉｎ模型，根据结构计算确定??的传热管、封头及主管道等尺寸，计算出一回路流动的摩擦阻力，和在不同流动部位的??七项局部阻力，从而确定一冋路流动的总阻力，也即一次侧的压力损失。在第４章进行??优化时，需要保证这一值始终处于合理范围之内，以保证蒸汽发生器进行换热的经济性。??＾?ｇ－＾ｇ?—？?－ＭｉｉＥｈｐａＤ??〇Ｍｉ?ｎ．?ｌ＆ｒ＾Ｓ??〇?ＣＴ——?？???噚?＇———－．?＞????＊?￣￣，＾ｐｉ??〇＞－?ＥＨ－＊?－－？—￣??Ｌ?ｅＭ?Ｗ！??图４．７蒸汽发生器二次侧下降空间水力计算Ｓｉｍｕｌｉｎｌｃ模型??如图４．７所示为蒸汽发生器二次侧下降空间的水力计算Ｓｉｍｕｌｉｎｋ模型，根据结构设??３３??
【参考文献】：
期刊论文
[1]基于粒子群算法的压水堆核电机组回热系统优化[J]. 周兰欣,李飞,付文锋,王庆五. 热力发电. 2014(09)
[2]基于高斯扰动的粒子群优化算法[J]. 朱德刚,孙辉,赵嘉,余庆. 计算机应用. 2014(03)
[3]水电站泄流诱发厂房结构振动响应预测[J]. 徐国宾,韩文文,王海军,章环境. 天津大学学报(自然科学与工程技术版). 2015(03)
[4]带有权重函数学习因子的粒子群算法[J]. 赵远东,方正华. 计算机应用. 2013(08)
[5]基于网格划分策略的连续域改进蚁群算法[J]. 黄永青,郝国生,钟志水,胡为成,杜娟. 计算机工程与应用. 2013(09)
[6]基于混合遗传算法的稳压器优化设计[J]. 刘成洋,阎昌琪,王建军. 原子能科学技术. 2012(03)
[7]基于差分演化的自适应参数控制蚁群算法[J]. 崔娇,黄少荣. 计算机工程. 2011(06)
[8]具有混沌局部搜索策略的双种群遗传算法[J]. 谭跃,谭冠政,叶勇,伍雪冬. 计算机应用研究. 2011(02)
[9]面向多模态函数优化的自适应小生境遗传算法[J]. 陆青,梁昌勇,杨善林,张俊岭. 模式识别与人工智能. 2009(01)
[10]基于改进粒子群算法神经网络的电力电子电路故障诊断[J]. 乔维德. 电气传动自动化. 2008(05)
博士论文
[1]β型菱形传动斯特林发动机的优化方法及实验研究[D]. 段晨.华中科技大学 2014
[2]核动力装置总体参数最优化设计[D]. 刘成洋.哈尔滨工程大学 2013
[3]智能优化方法及其应用研究[D]. 钟一文.浙江大学 2005
硕士论文
[1]森林优化算法的改进及离散化研究[D]. 聂大干.兰州大学 2016
[2]改进量子粒子群优化算法及其应用研究[D]. 皇甫旭.东北石油大学 2015
[3]基于粒子群优化的无线传感器网络定位算法研究[D]. 刘晨.昆明理工大学 2015
[4]粒子群优化算法的改进及应用[D]. 居凤霞.华南理工大学 2014
[5]种群规模对遗传算法性能影响的研究[D]. 刘晓霞.华北电力大学（河北） 2010
[6]蚁群算法及群体智能的应用研究[D]. 王会颖.安徽大学 2007
本文编号：2980198
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图４．２蒸汽发生器Ｓｉｍｕｌｉｎｋ模型??该模型包括四部分，分别为热力计算、结构计算、质量体积计算和水力计算
?？?＋??Ｓｕｂｔｒａｃｔ??图４．３蒸汽发生器热力计算Ｓｉｍｕ丨ｉｎｋ模型??如图４．３所示为蒸汽发生器热力计算部分的Ｓｉｍｕｌｉｎｋ模型，主要是根据额定工况下??给出的己知参数，计算出蒸汽发生器的换热量０、对数平均温差／ｍ、冷却剂的质量流量??Ｇｃ和平均温度／ａ等，从而进行下一步的结构计算。??Ｅｌ）?＾?｜—?？｜—？?ｎｕ）——？ｍ??｜｜Ａｉｌ〉?＾?￣Ｈｉ?Ｆｃｎ８??一’?——？?？ｕ）?－？〇＾＞?ｊ??丨ｍ?Ｑ３?ＰｒｏＡ＾Ｊ?Ｆｃｎ５???ｅｓｎ?Ｊ?＿??（３?）－＞?ｔａ?｜?？！??，ａ?ＲｍＪｄ?Ｃ！＞ｒ＜ｉ±）?一＇??１?一??ｒｒ＾?ｄｅｎｓｉｔｙ?＾?－?ｆ｜?Ｆｃｎ２?Ｂ?？?－？?ｆ（ｕ）?－Ｕ＾Ｔ）??ｙｄ［＾ｇＬ?Ｌ－ｊｔ?Ｋ??Ｓｕｂｓｙｓｔｅｍ?Ｆｃｎ１＂＂＂＂＾??＜——？ＣＱ??？?ｕ（２Ｖｕ（１）」??ｐ”?ｒｗ?二＾￣４?ｊ——??．?Ｉ?００１?ｌｎ（ｕ（２ｙｕ（１））－??＊?Ｌｊ｜???Ｆｃｎ３??ａ｜＾?ｕｄ＾－ｕＣ）?—?Ｉ????—＾???＿＿?￣?Ｉ?Ｋｕ）」??ｔｗｈｏｕ?ｈｃｎ?ｆ（ｕ）?—？＾［Ａｉｌ?［?－Ｃ－??－＿??ｆｃｎ?Ｒｍａｄ??图４．４蒸汽发生器结构计算Ｓｉｍｕｌｉｎｋ模型??３１??
Ｒｆ〇ｆ＾３?ＦｃｎＵ?Ｐ４??图４．６蒸汽发生器一次侧总阻力计算Ｓｉｍｕｌｉｎｋ模型??如图４．６所示为蒸汽发生器一次侧总阻力计算的Ｓｉｍｕｌｉｎ模型，根据结构计算确定??的传热管、封头及主管道等尺寸，计算出一回路流动的摩擦阻力，和在不同流动部位的??七项局部阻力，从而确定一冋路流动的总阻力，也即一次侧的压力损失。在第４章进行??优化时，需要保证这一值始终处于合理范围之内，以保证蒸汽发生器进行换热的经济性。??＾?ｇ－＾ｇ?—？?－ＭｉｉＥｈｐａＤ??〇Ｍｉ?ｎ．?ｌ＆ｒ＾Ｓ??〇?ＣＴ——?？???噚?＇———－．?＞????＊?￣￣，＾ｐｉ??〇＞－?ＥＨ－＊?－－？—￣??Ｌ?ｅＭ?Ｗ！??图４．７蒸汽发生器二次侧下降空间水力计算Ｓｉｍｕｌｉｎｌｃ模型??如图４．７所示为蒸汽发生器二次侧下降空间的水力计算Ｓｉｍｕｌｉｎｋ模型，根据结构设??３３??
【参考文献】：
期刊论文
[1]基于粒子群算法的压水堆核电机组回热系统优化[J]. 周兰欣,李飞,付文锋,王庆五. 热力发电. 2014(09)
[2]基于高斯扰动的粒子群优化算法[J]. 朱德刚,孙辉,赵嘉,余庆. 计算机应用. 2014(03)
[3]水电站泄流诱发厂房结构振动响应预测[J]. 徐国宾,韩文文,王海军,章环境. 天津大学学报(自然科学与工程技术版). 2015(03)
[4]带有权重函数学习因子的粒子群算法[J]. 赵远东,方正华. 计算机应用. 2013(08)
[5]基于网格划分策略的连续域改进蚁群算法[J]. 黄永青,郝国生,钟志水,胡为成,杜娟. 计算机工程与应用. 2013(09)
[6]基于混合遗传算法的稳压器优化设计[J]. 刘成洋,阎昌琪,王建军. 原子能科学技术. 2012(03)
[7]基于差分演化的自适应参数控制蚁群算法[J]. 崔娇,黄少荣. 计算机工程. 2011(06)
[8]具有混沌局部搜索策略的双种群遗传算法[J]. 谭跃,谭冠政,叶勇,伍雪冬. 计算机应用研究. 2011(02)
[9]面向多模态函数优化的自适应小生境遗传算法[J]. 陆青,梁昌勇,杨善林,张俊岭. 模式识别与人工智能. 2009(01)
[10]基于改进粒子群算法神经网络的电力电子电路故障诊断[J]. 乔维德. 电气传动自动化. 2008(05)
博士论文
[1]β型菱形传动斯特林发动机的优化方法及实验研究[D]. 段晨.华中科技大学 2014
[2]核动力装置总体参数最优化设计[D]. 刘成洋.哈尔滨工程大学 2013
[3]智能优化方法及其应用研究[D]. 钟一文.浙江大学 2005
硕士论文
[1]森林优化算法的改进及离散化研究[D]. 聂大干.兰州大学 2016
[2]改进量子粒子群优化算法及其应用研究[D]. 皇甫旭.东北石油大学 2015
[3]基于粒子群优化的无线传感器网络定位算法研究[D]. 刘晨.昆明理工大学 2015
[4]粒子群优化算法的改进及应用[D]. 居凤霞.华南理工大学 2014
[5]种群规模对遗传算法性能影响的研究[D]. 刘晓霞.华北电力大学（河北） 2010
[6]蚁群算法及群体智能的应用研究[D]. 王会颖.安徽大学 2007
本文编号：2980198
本文链接：https://www.wllwen.com/projectlw/hkxlw/2980198.html
