[發明專利]一種基于多種群遺傳算法的盆式絕緣子電氣和機械性能綜合優化設計方法

有效

• 申請號: 201510943631.1
• 申請日: 2015-12-16
• 公開（公告）號: CN105574266B
• 公開（公告）日: 2018-08-14
• 發明（設計）人: 彭宗仁;王浩然;郭子豪;王闖;李禾
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/12
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 張曉霞

1.一種基于多種群遺傳算法的盆式絕緣子電氣和機械性能綜合優化設計方法，其特征在于，包括如下步驟：

步驟1、建立盆式絕緣子的電場和應力有限元分析程序；

步驟2、根據盆式絕緣子結構特征，劃分盆式絕緣子待優化子域，確定優化順序；

步驟3、確定盆式絕緣子子域的優化決策變量及其約束條件，建立相應的結構優化目標函數，具體為：

根據盆式絕緣子結構，將盆體凸面和凹面用兩條經過6個關鍵點的樣條曲線擬合，這12個點沿盆體表面均勻分布各個點橫坐標固定；以這12個點的縱坐標為決策變量，其取值范圍為：

式中X′_1min、X′_1max、X′_2min、X′_2max、X′_3min、X′_3max、X′_4min、X′_4max、X′_5min、X′_5max、X′_6min、X′_6max、X＇_7min、X＇_7max、X′_8min、X′_8max、X＇_9min、X＇_9max、X′_10min、X′_10max、X′_11min、X′_11max、X′_12min、X′_12max為決策變量的變化范圍，X′₁、X′₂、X′₃、X′₄、X′₅、X′₆、X′₇、X′₈、X′₉、X′₁₀、X′₁₁、X′₁₂為決策變量；

建立目標優化目標函數，所設目標函數為盆體凹面最大第一主應力S′₁，盆體凸面最大第一主應力S′₂，盆體凹面最大場強E′₁，盆體凸面最大場強E′₂，將目標函數歸一化，有

式中，E′_1max、E′_2max分別為盆體凹面和凸面的電場控制值，S′_1max、S′_2max分別為盆體凹面和凸面的應力控制值；

步驟4、構造盆式絕緣子子域優化設計評價函數，具體為：

在盆體結構優化中將盆體凹面最大場強與最大第一主應力看做第一重要，相應的，將盆體凸面最大場強與最大第一主應力看做第二重要；根據各目標函數的重要性，應用判斷矩陣法，構造出判斷矩陣為：

確定四個目標函數的權系數分別為ω₁、ω₂、ω₃和ω₄，最終構造評價函數為：

φ₁(x)＝ω₁f₁(x)+ω₂f₂(x)+ω₃f₃(x)+ω₄f₄(x)；

步驟5、采用多種群遺傳算法，調用有限元分析程序，求解子域最優結構，包括：

A)創建10個初始親代種群，每個種群都是大小為50，個體長度為16的二進制隨機種群；

B)將初始種群解碼得到相應的決策變量，代入有限元分析程序對盆式絕緣子進行電場和應力數值計算，讀取相應計算果計算出親代種群每個個體的適應度，采用輪盤賭法進行選擇，即每個個體被選中的概率為：

式中F_i^j為種群j中個體i的適應度值；

采用實數交叉法進行交叉操作，即第k個染色體a_k和第1個染色體a₁在j位的交叉操作方法為：

式中，b是[0，1]區間的隨機數；

對第i個個體的第j個基因a_ij進行變異的操作方法為：

式中，a_max是基因a_ij的上界；a_min是基因a_ij的下界；f(g)＝r₂(1-g/G_max)²，r₂是一個隨機數，g是當前迭代次數，G_max是最大進化次數，r為[0，1]區間的隨機數；

C)移民操作，移民算子將各種群在進化過程中出現的最優個體定期地引入其他種群中；具體操作規則是，將目標種群中的最差個體用源種群的最優個體代替，得到新的親代群體；

D)在進化的每一代，通過人工選擇算子選出其他種群中的最優個體放入精華種群加以保存；

E)反復迭代上述步驟B)、C)和D)，直到精華種群中的最優個體達到規定的保持代數，或迭代次數達到200次；

步驟6、按步驟2中確定的優化順序，重復進行上述步驟3至步驟5，完成全部子結構的優化。