核電是我國潔能發(fā)電中的重要組成部分,截至2018年核電發(fā)電占比僅5.2%,較發(fā)達國家相比還有很大距離,因此大力發(fā)展核電可以保持產(chǎn)業(yè)結(jié)構(gòu)持續(xù)優(yōu)化升級。在核電系統(tǒng)中,核管道是重要組成部分。為了保障核管道的安全和穩(wěn)定,故有必要對核管道進行載荷識別和優(yōu)化研究。在回顧和總結(jié)目前核管道載荷識別和管道—彈簧支架系統(tǒng)優(yōu)化的研究現(xiàn)狀基礎(chǔ)上,運用遺傳算法(GA)、多島遺傳算法、BP神經(jīng)網(wǎng)絡(luò)和GA—神經(jīng)網(wǎng)絡(luò),研究分析了這4種算法的優(yōu)劣性。在測試算例中表明,多島遺傳算法較遺傳算法收斂速度更快,平均遺傳代數(shù)降低23.6%;GA-神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)在擬合效果上相比,平均誤差率從0.96%下降到0.63%。通過建立桁架橋梁的載荷識別模型,在多點瞬態(tài)載荷作用下,分析桁架橋梁的位移情況。并根據(jù)橋梁位移進行了BP神經(jīng)網(wǎng)絡(luò)和GA—神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,結(jié)果表明在訓(xùn)練100次時擬合效果最好,誤差很低。在此基礎(chǔ)上,利用SiPESC.FEMS管道分析系統(tǒng),對核管道瞬態(tài)載荷和溫度瞬態(tài)載荷進行了載荷識別分析,計算結(jié)果表明GA—神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果依然很好,平均誤差率不到1%。針對實際工程問題中的某出料核管道進行結(jié)構(gòu)分析測試,獲得核管道系統(tǒng)...

【文章頁數(shù)】：110 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 SiPESC平臺及功能簡介
    1.4 SiPESC.OPT優(yōu)化問題數(shù)學(xué)描述
        1.4.1 全局優(yōu)化
        1.4.2 約束優(yōu)化
        1.4.3 組合優(yōu)化
    1.5 論文內(nèi)容
    1.6 本文組織
2 遺傳算法、神經(jīng)網(wǎng)絡(luò)原理及算例分析
    2.1 遺傳算法概述
        2.1.1 遺傳算法思想
        2.1.2 遺傳算法基本操作
        2.1.3 多島遺傳算法
    2.2 BP神經(jīng)網(wǎng)絡(luò)算法概述
        2.2.1 前反饋神經(jīng)網(wǎng)絡(luò)算法思想
        2.2.2 BP神經(jīng)網(wǎng)絡(luò)基本操作
        2.2.3 存在缺陷及原因分析
    2.3 GA-前反饋神經(jīng)網(wǎng)絡(luò)
        2.3.1 研究進展
        2.3.2 算法思想
    2.4 測試算例
        2.4.1 基于SiPESC.OPT的遺傳算法算例
        2.4.2 算例數(shù)據(jù)擬合
    2.5 本章小結(jié)
3 基于多島遺傳改進神經(jīng)網(wǎng)絡(luò)的載荷識別
    3.1 載荷識別原理
    3.2 數(shù)據(jù)處理方法
        3.2.1 數(shù)據(jù)標準化和歸一化
        3.2.2 異常點處理
        3.2.3 過擬合和欠擬合處理
    3.3 基于桁架橋梁的載荷識別
        3.3.1 桁架橋梁的建模
        3.3.2 桁架橋梁的載荷識別
    3.4 基于Si PESC核管道載荷識別
        3.4.1 SiPESC有限單元法管路分析
        3.4.2 核管道外力載荷識別
        3.4.3 核管道溫度載荷識別
    3.5 本章小結(jié)
4 基于SiPESC.FEMS核管道結(jié)構(gòu)分析與優(yōu)化
    4.1 基于Si PESC.FEMS核管道結(jié)構(gòu)分析
        4.1.1 核管道結(jié)構(gòu)分析力學(xué)模型
        4.1.2 核管道結(jié)構(gòu)分析
    4.2 基于SiPESC.FEMS核管道彈簧系統(tǒng)優(yōu)化
        4.2.1 不同彈簧剛度
        4.2.2 不同彈簧支架位置
    4.3 本章小結(jié)
5 基于SiPESC.OPT遺傳算法多目標管道優(yōu)化
    5.1 遺傳算法多目標優(yōu)化原理
        5.1.1 多目標優(yōu)化原理
        5.1.2 多目標優(yōu)化算法分類
        5.1.3 傳統(tǒng)方法
        5.1.4 多目標演化法
        5.1.5 NSGA-Ⅱ測試算例
    5.2 管道的多目標優(yōu)化數(shù)學(xué)模型
    5.3 基于SiPESC.OPT的 NSGA-Ⅱ多目標優(yōu)化
    5.4 本章小結(jié)
6 結(jié)論和展望
    6.1 結(jié)論
    6.2 展望
參考文獻
附錄A 遺傳算法優(yōu)化腳本
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號：4047970