版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、當(dāng)前復(fù)雜工程問(wèn)題的數(shù)值仿真或物理實(shí)驗(yàn)依舊耗時(shí)昂貴,特別是基于計(jì)算流體力學(xué)(Computational Fluid Dynamics,CFD)的葉輪機(jī)械優(yōu)化設(shè)計(jì)問(wèn)題。代理模型技術(shù)可以減少這些復(fù)雜、耗時(shí)、易錯(cuò)的計(jì)算過(guò)程,提高計(jì)算效率。盡管目前有通用化商業(yè)軟件(NUMECA和ISIGHT等)提供代理模型優(yōu)化功能,但對(duì)于特定工程設(shè)計(jì)問(wèn)題仍需要研究開(kāi)放的、可定制的、模塊化的高效代理優(yōu)化技術(shù),以支持進(jìn)一步的總體優(yōu)化設(shè)計(jì)。本文將代理模型技術(shù)與蜂群智能
2、相結(jié)合,給出一種基于代理模型的微蜂群優(yōu)化方法,并應(yīng)用于求解混流泵導(dǎo)葉葉片的優(yōu)化問(wèn)題,以提高混流泵的水力效率。
本文工作內(nèi)容如下:
(1)在優(yōu)化方法研究方面,給出一種全局優(yōu)化的微蜂群算法(Micro Artificial BeeColony,MABC)。該算法在人工蜂群算法(Artificial Bee Colony,ABC)的基礎(chǔ)上,將初始種群變小,并在下一步迭代重新初始化。這是由于代理模型優(yōu)化求解要求算法快速迭代,
3、且實(shí)際模型可獲取的樣本很少導(dǎo)致算法初始化時(shí)只能提供有限的個(gè)體。為驗(yàn)證MABC算法的迭代速度和求解精度,分別采用標(biāo)準(zhǔn)遺傳算法、蜂群算法、微蜂群算法對(duì)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行比較,測(cè)試結(jié)果表明了本文方法的有效性。
(2)在代理模型方面,本文給出一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial BasisFunction Artificial Neural Network, RBF-ANN)的代理模型方法,考察了核函數(shù)的選擇問(wèn)題。由于真實(shí)模型中輸入
4、與輸出映射關(guān)系往往是隱式的,難以用確定的函數(shù)式進(jìn)行表達(dá),本文首先給出了一般代理模型的建模步驟,包括實(shí)驗(yàn)設(shè)計(jì)、代理模型選擇以及模型評(píng)價(jià)。然后針對(duì)本文研究的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF-ANN)代理模型,在徑向基層選擇五種不同的核函數(shù),并采用工程實(shí)例進(jìn)行預(yù)測(cè)比較,結(jié)果表明核函數(shù)為多二次函數(shù)的RBF-ANN具有較好的預(yù)測(cè)效果。
(3)在以上工作的基礎(chǔ)上,以葉輪機(jī)械中的混流泵為例,本文利用上述方法,針對(duì)其過(guò)流部件進(jìn)行優(yōu)化設(shè)計(jì)。首先對(duì)混流
5、泵導(dǎo)葉模型進(jìn)行參數(shù)化提取,研究混流泵導(dǎo)葉出口相對(duì)蝸殼進(jìn)口位置的偏轉(zhuǎn)角以及導(dǎo)葉包角大小對(duì)泵外特性,即水力效率和揚(yáng)程的影響;然后根據(jù)工程分析獲取的樣本,利用RBF-ANN代理模型(核函數(shù)為多二次函數(shù))逼近原真實(shí)模型;最后采用本文的微蜂群算法對(duì)RBF-ANN進(jìn)行優(yōu)化求解,計(jì)算結(jié)果表明了本文給出的微蜂群方法適用于混流泵過(guò)流部件的優(yōu)化設(shè)計(jì)。
本文提出的基于代理模型的微蜂群優(yōu)化方法,有助于計(jì)算智能理論進(jìn)展,可為葉輪機(jī)械或其它復(fù)雜工程設(shè)計(jì)問(wèn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 代理模型預(yù)測(cè)研究及其在葉輪機(jī)械中的應(yīng)用.pdf
- PIV圖像處理技術(shù)在葉輪機(jī)械中的應(yīng)用及開(kāi)發(fā).pdf
- 葉輪機(jī)械先進(jìn)密封的研究.pdf
- 人工蜂群算法及其在組合優(yōu)化中的應(yīng)用研究.pdf
- 人工蜂群算法的改進(jìn)及其在經(jīng)濟(jì)訂貨模型中的應(yīng)用.pdf
- 湍流模型的對(duì)比與葉輪機(jī)械內(nèi)部氣動(dòng)性能的數(shù)值模擬.pdf
- 基于CFD方法的葉輪機(jī)械優(yōu)化設(shè)計(jì)理論及實(shí)例.pdf
- 人工蜂群算法改進(jìn)及其在梯級(jí)水庫(kù)優(yōu)化調(diào)度中的應(yīng)用.pdf
- 人工蜂群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用.pdf
- 葉輪機(jī)械中若干非定常流動(dòng)特征的初步研究.pdf
- 優(yōu)化技術(shù)在汽輪機(jī)組中的應(yīng)用.pdf
- 外文翻譯---葉輪機(jī)械中的液壓非定常流動(dòng)分析
- 基于代理模型的高效氣動(dòng)優(yōu)化設(shè)計(jì)方法及應(yīng)用.pdf
- 不同用途的葉輪機(jī)械內(nèi)部流場(chǎng)數(shù)值模擬分析及結(jié)構(gòu)優(yōu)化研究.pdf
- 基于kriging代理模型的優(yōu)化設(shè)計(jì)方法及其在注塑成型中的應(yīng)用.pdf
- 外文翻譯---葉輪機(jī)械中的液壓非定常流動(dòng)分析
- 外文翻譯---葉輪機(jī)械中的液壓非定常流動(dòng)分析
- 基于NUMECA和iSIGHT的葉輪機(jī)械三維氣動(dòng)優(yōu)化設(shè)計(jì)的研究.pdf
- 代理簽名技術(shù)在遠(yuǎn)程教育中的應(yīng)用模型及實(shí)現(xiàn)研究.pdf
- 外文翻譯---葉輪機(jī)械中的液壓非定常流動(dòng)分析.docx
評(píng)論
0/150
提交評(píng)論