当前位置:主页 > 理工论文 > 核科学论文 >

基于遗传算法和神经网络的核管道载荷识别与优化研究

发布时间:2025-05-28 02:57
  核电是我国洁能发电中的重要组成部分,截至2018年核电发电占比仅5.2%,较发达国家相比还有很大距离,因此大力发展核电可以保持产业结构持续优化升级。在核电系统中,核管道是重要组成部分。为了保障核管道的安全和稳定,故有必要对核管道进行载荷识别和优化研究。在回顾和总结目前核管道载荷识别和管道—弹簧支架系统优化的研究现状基础上,运用遗传算法(GA)、多岛遗传算法、BP神经网络和GA—神经网络,研究分析了这4种算法的优劣性。在测试算例中表明,多岛遗传算法较遗传算法收敛速度更快,平均遗传代数降低23.6%;GA-神经网络和BP神经网络在拟合效果上相比,平均误差率从0.96%下降到0.63%。通过建立桁架桥梁的载荷识别模型,在多点瞬态载荷作用下,分析桁架桥梁的位移情况。并根据桥梁位移进行了BP神经网络和GA—神经网络的训练,结果表明在训练100次时拟合效果最好,误差很低。在此基础上,利用SiPESC.FEMS管道分析系统,对核管道瞬态载荷和温度瞬态载荷进行了载荷识别分析,计算结果表明GA—神经网络的训练效果依然很好,平均误差率不到1%。针对实际工程问题中的某出料核管道进行结构分析测试,获得核管道系统...

【文章页数】:110 页

【学位级别】:硕士

【文章目录】:
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 SiPESC平台及功能简介
    1.4 SiPESC.OPT优化问题数学描述
        1.4.1 全局优化
        1.4.2 约束优化
        1.4.3 组合优化
    1.5 论文内容
    1.6 本文组织
2 遗传算法、神经网络原理及算例分析
    2.1 遗传算法概述
        2.1.1 遗传算法思想
        2.1.2 遗传算法基本操作
        2.1.3 多岛遗传算法
    2.2 BP神经网络算法概述
        2.2.1 前反馈神经网络算法思想
        2.2.2 BP神经网络基本操作
        2.2.3 存在缺陷及原因分析
    2.3 GA-前反馈神经网络
        2.3.1 研究进展
        2.3.2 算法思想
    2.4 测试算例
        2.4.1 基于SiPESC.OPT的遗传算法算例
        2.4.2 算例数据拟合
    2.5 本章小结
3 基于多岛遗传改进神经网络的载荷识别
    3.1 载荷识别原理
    3.2 数据处理方法
        3.2.1 数据标准化和归一化
        3.2.2 异常点处理
        3.2.3 过拟合和欠拟合处理
    3.3 基于桁架桥梁的载荷识别
        3.3.1 桁架桥梁的建模
        3.3.2 桁架桥梁的载荷识别
    3.4 基于Si PESC核管道载荷识别
        3.4.1 SiPESC有限单元法管路分析
        3.4.2 核管道外力载荷识别
        3.4.3 核管道温度载荷识别
    3.5 本章小结
4 基于SiPESC.FEMS核管道结构分析与优化
    4.1 基于Si PESC.FEMS核管道结构分析
        4.1.1 核管道结构分析力学模型
        4.1.2 核管道结构分析
    4.2 基于SiPESC.FEMS核管道弹簧系统优化
        4.2.1 不同弹簧刚度
        4.2.2 不同弹簧支架位置
    4.3 本章小结
5 基于SiPESC.OPT遗传算法多目标管道优化
    5.1 遗传算法多目标优化原理
        5.1.1 多目标优化原理
        5.1.2 多目标优化算法分类
        5.1.3 传统方法
        5.1.4 多目标演化法
        5.1.5 NSGA-Ⅱ测试算例
    5.2 管道的多目标优化数学模型
    5.3 基于SiPESC.OPT的 NSGA-Ⅱ多目标优化
    5.4 本章小结
6 结论和展望
    6.1 结论
    6.2 展望
参考文献
附录A 遗传算法优化脚本
攻读硕士学位期间发表学术论文情况
致谢



本文编号:4047970

资料下载
论文发表

本文链接:https://www.wllwen.com/projectlw/hkxlw/4047970.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户83254***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com