遗传算法原理及其在透平机械叶栅优化设计中的应用

该文将遗传算法应用于透平机械叶栅的优化设计 ,建立起以极小化叶栅背弧实际压力与理想压力均方差为目标函数 ,以叶栅几何参数为变量的优化设计模型。优化实例结果表明 ,此算法的应用将改善叶栅内部的流场 ,提高叶栅的气动性能。     

基于组合优化方法的平面叶栅优化设计

采用奇点分布法与贝塞尔(Bezier)曲线参数化方法相结合的平面叶栅设计方法进行叶栅的初步设计与参数化表达。该方法在完成设计的同时为基于现代优化算法的叶栅粘性流动最优化设计提供设计变量,以实现叶栅翼型的变形控制。然后结合N-S方程流场数值模拟,采用多目标遗传算法(NCGA)和序列二次规划法(NLPQL)组合的优化算法,通过调节叶栅翼型的形状控制参数对叶栅的总压损失和空化性能进行了优化。结果表明,优化效果良好。     

基于遗传算法的轴流式叶片全三维优化设计

本文提出了一种结合全三维反问题计算与遗传算法优化的轴流式水轮机转轮设计方法。即在对轴流式水轮机转轮叶片进行全三维反问题设计的基础上，然后以平面叶栅表面边界层中的流动损失最小和翼型气蚀系数最低为目标，小生境遗传算法进一步对转轮叶片进行优化以得到更为理想的转轮叶片。由于此方法结合了全三维反问题方法对有厚度叶片计算的准确性，以及遗传算法对解决多目标优化问题全局搜索的准确性，可以得到比较理想的转轮叶片。     

导叶双列叶栅CFD数值计算及结果分析方法研究

双列叶栅对水轮机和水泵水轮机水力性能有着重要影响。本文从工程应用的角度,对导叶双列叶栅的CFD计算方法和结果分析进行了研究,论述了CFD数值结果的分析内容及方法,明确了导叶双列叶栅水力优化的主要参数目标,和对设计结果评判的主要依据。并结合仙居项目水泵水轮机研发工程实例,说明本文所述的方法在导叶双列叶栅水力优化设计中的实用性和对水力性能评判的准确性。     

基于遗传算法的平面叶栅优化设计

本文提出了一个基于遗传算法的平面叶栅优化设计方法。该方法利用奇点分布法设计无厚翼型骨线，然后通过遗传算法使叶栅表面边层界面的流动损失最小化，以此搜索沿骨线最佳的厚度分布规律，厚度分布被参 数化表示。已知叶栅的流场分析由一个基于边界元的程序完成。将该方法应用于ZZ440叶栅的设计，结果显示是有效和可行的。     

遗传算法在奇点法设计平面叶栅中的应用

提出了一个基于小生境遗传算法的平面叶栅优化设计方法，该方法利用奇点分布法设计无厚翼型初始骨线，在最大厚度一定的条件下，采用NACA－0012型空气动力翼型的厚度分布规律对已知骨线进行加厚得到翼型，从而得到平面叶栅，然后通过遗传算法使平面叶栅表面边界层中的流动损失最小化，以此搜索最佳的骨线形状，已知叶栅的流场分析由一个基于边界元的程序完成，假定总损失与叶栅表面边界层中的流动损失成正比，该损失可通过积分法计算叶栅边界层得到。将该方法应用于ZZ440叶栅的设计，结果显示是有效和可行的。     

基于进化算法的压气机叶型多目标优化设计

该文发展了基于进化计算和Navier-Stokes方程求解技术的压气机叶型气动多目标优化设计技术。压气机叶型气动优化设计目标是静压升最大和总压损失最小。文中采用Bezier曲线参数化叶栅几何型线、相应的控制点坐标作为设计变量：压气机叶型气动性能采用Reynolds平均Navier-Stokes方程和Baldwin—Lomax代数紊流模型进行评价；采用实数型多目标进化计算作为优化算法对叶型进行优化设计。优化设计结果得到一组Pareto解集，并且将特定的Pareto解和初始叶型进行详细的气动性能分析比较。优化设计结果证明了该文发展的多目标优化设计技术的有效性和实用性。     

多目标动态优化高级遗传算法及其在智能化电磁电器设计中的应用研究

首次将遗传算法引入电磁电器设计领域,在全面阐述智能交流接触器优化设计问题的基础上,成功地形成了一种多目标动态优化高级遗传算法,并应用此算法对智能交流接触器结构及其控制参数进行优化设计,取得了令人满意的结果,显示了遗传算法在电器设计领域有着广阔的应用前景。     

超音速透平叶栅造型设计及分析

采用非均匀有理B样条(NURBS)技术和特征线成型技术,对超音速透平叶栅型线设计方法进行了研究,利用C++语言和MFC编程技术开发了设计软件;利用所开发软件进行了某参数下的超音速叶栅设计,并结合计算流体动力学(CFD)技术,进行了超音速叶栅的变工况性能分析。研究结果表明:开发的软件能够有效地应用于超音速透平叶栅的型线设计,对汽轮机低压末级叶片的型线设计开发具有一定的工程应用价值。     

基于交互式多目标遗传算法的无源滤波器优化设计

分析了传统无源滤波器优化设计方法的优缺点 ,提出了一种基于交互式多目标遗传算法的无源滤波器优化设计方法。该方法用遗传算法对无源滤波器的参数进行优化 ,通过非精确偏好信息引导遗传搜索 ,使得种群朝着多个目标的最佳综合性能方向进化。引入分享法来增加种群的多样性 ,最终获得与决策者意愿相吻合的解集。较好地实现了无源滤波器成本、电压电流谐波和无功功率补偿的多目标优化设计。实验结果表明此无源滤波器的成本可以降低约 3 5 % ,滤波效果却有明显的提高 ,具有良好的理论和工程应用价值     

温州电网梯级水电站优化调度实践

建立由温州电网属下的梯级水电站群优化调度的数学模型,采用基于浮点数编码的改进遗传算法对该模型进行了优化计算,该算法设计编程简单,计算量小,收敛速度快.利用三插溪水库的入库径流实测值进行了仿真实验,实验结果表明优化调度比常规调度经济效益超过5%,说明了遗传算法用于梯级水电站群优化调度既可行又有效.     

水轮发电机组GA模糊控制器研究

模糊控制器设计的困难之一就是确定量化因子和隶属度函数，它们对控制器性能具有重要影响。文中提出用遗传算法（GA）对水轮发电机组模糊控制器进行优化设计，描述了控制器结构，优化算法和动态仿真结果。仿真对比试验表明，经过GA优化的模糊控制器比经过MATLAB NCD工具箱优化的PID控制器具有更好的控制效果和更强的鲁棒性。     

基于遗传算法的梯级小水电优化运行研究

优化调度是一个典型的多阶段决策过程 ,其目的是以梯级电站在调度周期内发电量最大为目标 ,在保证大坝安全的前提下确定水库的最优放水决策。介绍采用浮点数编码的遗传算法对浙江安地水库梯级电站进行优化计算 ,通过和常规调度结果比较 ,说明了该算法的有效性及优化运行的优越性     

基于热网-电网综合潮流的用户侧微型能源站及接入网络优化规划

提出一种考虑热网-电网综合潮流的用户侧综合能源系统的规划方法。考虑经济、节能、环保等因素,建立含风机、光伏、储能、微型燃气轮机及燃气锅炉的微型能源站二层规划模型。上层规划目标函数为年费用最小,优化变量为微型能源站安装位置、容量及接入网络;下层规划考虑储能与微型燃气轮机的优化调度,规划目标包含一次能源节约率、可控分布式能源运行费及网损费用。基于热电耦合,提出热网-电网综合潮流计算方法与流程。采用改进遗传算法和粒子群优化算法对模型进行求解。某用户侧综合能源系统算例验证了所提模型和方法的有效性。     

量子遗传算法优化的最小二乘支持向量机的风机故障诊断

针对最小二乘支持向量机（LSSVM）在故障诊断过程中的模型参数选择问题,提出了利用全局寻优能力强、收敛速度快的量子遗传算法（QGA）对模型参数进行参数寻优,把LSSVM参数选择问题转化为优化问题。该算法克服了遗传算法优化过程中陷入局部极值的问题,提高了优化性能。利用UCI数据库的数据进行分类验证,相比遗传优化的LSSVM和交叉验证的LSSVM,基于QGA优化的LSSVM模型提高了分类精度。最后,把该模型应用于风力发电机齿轮箱故障诊断中,取得了良好的效果。     

基于改进粒子群算法的水轮机调速系统参数优化研究

水轮机调速系统控制效果对于提高水轮发电机组工作效率以及提升电能质量具有非常重要的作用,因此,对其进行有效控制具有非常重要的应用价值,为了能够弥补传统水轮机调速系统控制的缺陷,将改进粒子群算法应用于水轮机调速系统地参数优化。首先,分析了水轮机调速系统的基本原理;其次,分析了水轮发电机组调速系统的模糊PID控制算法;然后,讨论了改进粒子群算法的基本理论,设计了相应的数学模型和算法流程;最后,进行了基于改进粒子群算法的水轮机调速系统的参数优化仿真,仿真结果表明,改进粒子群算法能够有效地提高水轮机调速系统的可靠性。     

概率因果网络在汽轮机故障诊断中的应用

在分析了汽轮机振动故障特点的基础上,提出了用遗传算法进行汽轮机等旋转机械故障诊断问题,定义了遗传算法求解故障诊断问题的概率因果网络,给出了求解故障诊断的数学表达式和适合汽轮机等旋转机械的故障集、征兆集、因果强度和先验概率表。建立了汽轮机故障诊断模型指出表达式的最小值的集合对应于故障集和征兆集,该模型能有效地识别出汽轮机的多故障,弥补了专家系统和神经网络等诊断方法不能正确诊断多故障的不足。     

基于风力机尾流排斥的平坦地形风电场微观选址优化

平坦地形风电场微观选址的优化研究中,常采用带有随机量的元启发式算法,这些算法难以达到全局最优,优化效率较低,且通常需要通过划分网格、增加约束才能得到稳定解。针对这些问题,文中提出了一种专门针对平坦地形风电场微观选址的高效且有稳定优化解的元启发式算法——风力机尾流排斥优化算法。参考范德华力原理,提出了风力机尾流排斥力的概念,用于描述风力机在尾流作用下的相互影响:2台风力机之间尾流作用越大,风力机尾流排斥力也越大。在算法优化过程中,风力机会在风力机尾流排斥力的作用下向使尾流减小的方向不断移动,直到达到最优解。仿真结果表明:风力机尾流排斥优化算法不需要网格约束,优化效率高,能得到确定的优质解,且优化结果符合实际工程要求。     

基于智能算法的高海拔风电机组多参数优化设计

以高海拔地区风电机组为对象,建立了平准化电力成本（LCOE）模型,并采用智能算法对其关键设计参数进行优化。分析了海拔升高对气候环境与风电机组的影响,建立了以转子半径、轮毂高度以及额定功率为设计参数的高海拔风电机组LCOE模型。以LCOE最小化为目标,采用遗传、粒子群、量子遗传3种智能优化算法对3个设计参数进行优化。优化结果表明,一定的海拔高度下存在最佳参数和最优LCOE,3种智能算法皆能得到模型的最优解,而量子遗传算法在收敛时间与收敛精度上均具有较好性能。随着海拔的升高,最优LCOE增大,3个优化参数呈现出不同的变化趋势。本文的相关结论对于高海拔风电机组选型与设计具有一定的参考意义。