透平叶栅非轴对称端壁优化设计

为减小透平叶栅二次流损失、提高气动效率,建立了结合透平叶栅非轴对称端壁造型双控制型线参数化方法、全局优化自适应差分进化算法和基于Reynolds-Averaged Navier-Stokes(RANS)方程求解技术的叶栅气动性能评价方法于一体的透平叶栅非轴对称端壁优化设计体系,同时验证了全局优化自适应差分进化算法和透平叶栅气动性能评价方法的可靠性和准确性。以透平叶栅总压恢复系数最大化为优化目标,在出口气流角和质量流量的约束及叶栅非轴对称端壁三维参数化控制点共20个设计变量下,完成了透平叶栅非轴对称端壁造型优化设计。研究结果表明,优化后得到的非轴对称端壁造型可有效减少透平叶栅的二次流损失,使叶栅总压恢复系数提高0.25%,证明所提出的设计体系是有效的,可为透平叶栅非轴对称端壁优化提供设计工具。     

离散伴随气动优化设计方法的紊流扩展

将离散伴随气动优化设计方法扩展到紊流环境,编程实现了相应的二维离散伴随场求解器;通过组合参数化技术、网格生成技术、流场求解器、离散伴随场求解器及优化算法,建立了透平叶栅气动优化设计平台。基于该设计平台,在紊流环境下以叶栅进出口熵增为优化目标,对某二维跨声速叶栅型线进行了气动优化设计,通过施加质量流量约束来限制优化过程中叶栅通道内质量流率的波动幅度。优化结果表明:优化后熵增降低了17.7%,验证了所开发的紊流环境离散伴随场求解器的正确性和有效性。     

跨音速透平扭叶片的气动优化设计研究

以并行自适应差分进化算法为核心，耦合曲面造型方法以及计算流体动力学求解技术，发展了一种适用于叶轮机械三维气动优化设计的全局自动气动优化算法．利用该算法，以等熵效率最高为目标，在满足流量约束的条件下对跨音速扭叶片进行了气动优化设计．对优化结果的详细分析表明，最优叶栅的等熵效率比原始叶栅提高了1．1％，气动性能有显著的改善，算法具有良好的优化性能．在跨音速条件下，载荷分布对叶栅的气动性能有着巨大的影响，采用前加载设计可有效地减弱斜激波的强度，减少激波损失，提高流动效率．因此，通过优化叶栅型线来改变叶栅的载荷分布可有效地提高叶栅的气动性能。     

平面跨音速叶栅的优化设计

根据最优化理论建立了平面跨音速叶栅优化计算的数学模型，以跨音叶栅气动正问题的求解为基础，以叶栅损失系数ξ为目标函数，并考虑适当的约束条件，应用最优化方法，通过反复搜索，自动给出在一定条件下性能最佳的叶栅。从两种叶栅的优化设计的结果表明：优化后叶栅流场的特性得到了明显地改善，损失下降，将优化计算在叶轮机械设计领域内的应用向前推进了一步。     

极小展弦比后加载叶栅气动特性三维数值分析和实验

以数值手段分析了极小展弦比下后加载透平叶栅内的定常3D粘性流动及损失，并对该透平叶栅在不同出口Ma和进气角下进行平面叶栅吹风实验．数值方法采用3D可压缩粘性流动压力修正算法求解N-S方程及Baldwing-Lomax代数湍流模型．通过数值计算分析和平面叶栅吹风实验研究表明，后加载技术应用于极小展弦比叶栅中，可以起到控制3D叶栅损失与二次流生成和发展的作用．     

基于熵产理论的叶栅型线优化设计

将熵产理论引入二维叶栅的优化设计中,提出了一种能够准确量化在任何位置的流场不可逆损失的分析方法.基于热力学第二定律,理论推导了湍流下的流场熵产计算公式,采用涡黏性模型对叶栅流场熵产进行计算,详细讨论了安装角、叶栅稠度、叶型厚度对叶栅性能及流动损失的影响规律.通过B样条曲线完成叶栅参数化建模,并将改进的带精英策略的非支配排序的遗传算法(NSGA2)与计算流体力学(CFD)相耦合,建立一种以最大总压升和最小熵产率为目标的叶栅自动优化方法,进而得到优化叶栅的Pareto解.与初始种群相比,优化叶栅具有更优的气动性能,在总压提高的条件下,流场熵产率减少.     

采用动态交互作用分析的叶轮机械优化算法研究

针对当前基于代理模型的优化算法因遭遇“维度灾难”而难以开展叶轮机械高维优化的难题,提出了自适应厘清变量间关系的动态聚合全局优化算法。该算法能在不消耗额外样本的条件下获取设计变量间的交互信息,并基于该信息一方面将高维问题分解为多个低维问题,实现高维问题的高效优化,另一方面为后续知识挖掘提供信息基础。在完成典型30维函数算例测试后,利用所提出的算法完成了包含28个设计变量的Rotor 37叶栅气动优化与设计空间知识挖掘。结果表明,优化后,Rotor 37叶栅设计工况效率相对参考设计提高了1.69%,且变工况性能相对参考设计亦有不同程度提高。在获得最优解的同时,所提出的算法还厘清了Rotor 37叶栅设计空间各变量间交互作用关系。进一步,结合算法所揭示的变量交互作用进行知识挖掘与CFD验证,证明对分离线附近型线进行微调可有效降低激波与边界层相互作用,从而提高跨声速叶栅的气动性能。由此,所提出的算法在求解高维大资源叶轮机械优化设计问题上的适用性和有效性得到验证。     

基于PSO和模糊理论的蜗杆传动多目标优化设计方法

针对传统设计方法无法获得最佳蜗杆传动方案的问题,建立了蜗杆传动多目标优化设计模型;提出了基于粒子群优化算法(particle swarm optimization,PSO)和模糊理论的多目标优化问题求解策略,并进行了算例验证.算例结果表明:蜗杆传动多目标优化设计模型综合考虑了制造成本、体积、传动效率及润滑性能等因素,更符合工程实际情况;PSO与模糊理论相结合的多目标优化求解算法收敛速度快,可以获得多目标优化问题的全局最优解;基于PSO算法和模糊理论的蜗杆传动多目标优化设计方法比传统设计方法更合理、更高效.     

多分流喷咀叶栅气动变分有限元分析

在蒸汽透平的高压级中,喷咀叶栅的高宽比相当小,一般l/B<1,端损比较严重。为了减少这种损失,本文提出一种新的由主、分流叶片组成的多分流喷咀叶栅结构,以改善高压级喷咀叶栅的气动性能。为了对这种多分流喷咀叶栅进行全流场计算,本文采用了较先进的气动变分有限元方法。以国产30万千瓦机组高压第一压力级为例,对实际运行的带矩形加强筋的窜喷咀结构,带锥形加强筋的窄喷咀结构以及由主、分流叶片组成的多分流喷咀叶栅结构进行了全流场的气动有限元计算。从计算所得的速度分布曲线可知,带矩形加强筋的窄喷咀结构的气动性能最差,而由主、分流叶片组成的多分流喷咀叶栅的气动性能最好,它是改善蒸汽透平高压级热经济性的有效途径。     

粒子群优化算法在机械优化设计教学中的应用

机械优化设计是机械类专业的一门重要的专业课,目前在机械优化教学中介绍的是传统的优化算法,这些方法对于局部极值及目标函数的可微性有严格要求,不能解决高维、多目标及优化设计问题的要求。粒子群优化算法是近几年发展起来的一种基于群体智能的进化计算技术,对优化问题无可微性和连续性要求,具有全局收敛性,本文在机械优化设计教学中引入了粒子群优化算法,为学生解决复杂工程优化设计问题打下基础。     

粒子群算法在金融风险模型中的研究与改进

在一种非线性金融风险模型中引入粒子群算法,针对粒子群算法在迭代后期搜索能力不高、粒子容易陷 入局部最优的问题,基于对惯性权重的优化以及对每个粒子个体位置变异,提出一种改进后的粒子群算法。 利用粒子群算法选择最优控制参数,以最大程度降低金融系统的总风险值。仿真结果表明,改进后的粒子群算 法在全局最优以及搜索速度方面优于传统的粒子群算法。     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。     

混合优化算法及在约束优化问题中的应用

针对混沌优化方法和Alopex算法的特性,将改进的Alopex算法嵌入到混沌优化算法中,提出了一种混合优化算法,此算法充分发挥了改进的Alopex算法的快速搜索能力和混沌优化方法细致寻优的特性,提高了算法的收敛速度,避免了优化算法陷入局部最优的缺陷;同时将混合优化算法应用于约束优化问题中．仿真结果表明了混合优化算法的有效性．     

基于分群式粒子群算法的压裂水平井试井曲线自动拟合

为提高压裂水平井试井多参数自动拟合的计算精度、速度和稳定性,将传统方法、智能算法和并行算法相结合,提出并行分群式粒子群优化算法,并将高斯-牛顿法与粒子群算法相结合,同时采用OpenMP并行算法求解。结果表明:在粒子群优化算法中,通过粒子分群使粒子搜索方向趋近于线性,避免了粒子群算法易陷入局部最优的问题,加快了搜索速度;与高斯-牛顿法相结合保证了计算的稳定性;采用OpenMP并行算法求解降低了模型的复杂度,提高了计算效率;分群式粒子群优化算法比其他优化算法计算速度更快,计算精度更高,并可在一定程度上为多裂缝水平井试井解释划分流动阶段。     

基于可靠性的供应链设施选址问题的优化模型

针对传统设施选址模型片面追求成本最小化而忽视供应链系统服务水平的情况,建立了一个基于容量有限制的供应链设施选址可靠性问题的多目标优化模型(RCFLP),并针对模拟退火算法与粒子群算法的优缺点,提出了一种混合型智能算法—模拟退火粒子群算法。通过收集中国各个省的人口和各个省会的相互之间的距离数据,构建实例,通过本文建立的模型与模拟退火粒子群算法进行了求解, 并对结果进行了分析,将模拟退火粒子群算法计算结果与模拟退火算法和粒子群算法的计算结果相比较,证明了模拟退火粒子群算法的可以较快地获得较好的全局最优解。     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性，通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子，提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法，改善算法初始种群的均匀性；通过引入基于NEWUOA算法的局部搜索算子，提高算法的局部搜索能力；在算法的越界处理方面，提出一种基于环形区间和随机波动的方式，降低算法陷入局部最优的可能；引入了非线性收敛因子和自适用权重，均衡算法的局部和全局搜索，并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验，验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法，在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题，考虑最小化装配线的节拍时间，将改进的鲸鱼优化算法用于问题求解；在解码阶段，设计一种基于阈值的解码方法，优化工序的分配过程；最后计算了21个混流装配线算例，结果表明，改进的鲸鱼优化算法在20个算例中求得了更优解，相较于其它算法，节拍时间平均降低3.02%。     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.     

极值组合元素算法及其在全局查询优化中的应用

极值组合元素算法是一种新型的智能优化算法,该算法采用了极值组合的原理,并结合模式搜索、排雷策略等多种方法进行极值的优化,使优化的速度、精确性和全局性优于其他算法,并适用于各种范围的极值优化.该算法被应用于分布式系统中的全局查询优化处理,经模拟实验验证具有较好的效果.     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.