[發(fā)明專利]一種基于遺傳粒子群優(yōu)化的汽輪機(jī)螺栓加熱分析方法

有效

• 申請?zhí)枺?/td>: 202010554955.7
• 申請日: 2020-06-17
• 公開（公告）號: CN111859782B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計(jì)）人: 謝永慧;劉鑄鋒;張荻;葉小龍
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/25;G06F30/23;G06F119/12;G06F119/06;G06F119/14
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 閔岳峰

1.一種基于遺傳粒子群優(yōu)化的汽輪機(jī)螺栓加熱分析方法，其特征在于，包括以下步驟：

1)數(shù)值分析

通過參數(shù)化建模、網(wǎng)格劃分，設(shè)置材料屬性、電磁、熱和結(jié)構(gòu)邊界條件和初始條件，其中熱邊界條件加載優(yōu)化控制獲得的功率-時(shí)間匹配曲線，對螺栓感應(yīng)加熱過程進(jìn)行磁-熱-固耦合分析，提取加熱結(jié)束時(shí)螺栓最高溫度、最大應(yīng)力和伸長量關(guān)鍵特征；數(shù)值分析的具體步驟如下：

101)首先是根據(jù)輸入的螺栓關(guān)鍵規(guī)格尺寸進(jìn)行參數(shù)化建模，得到汽輪機(jī)中分面不同規(guī)格型號螺栓的三維有限元整體數(shù)值分析模型；其中，整體數(shù)值分析模型由感應(yīng)加熱器模型、螺栓模型、空氣模型和缸體模型組成；

102)對步驟101)中得到的螺栓的三維有限元整體數(shù)值分析模型進(jìn)行網(wǎng)格劃分，除過渡圓角部分及空氣模型采用四面體及四棱錐網(wǎng)格，感應(yīng)加熱器模型、螺栓主體部分、缸體模型均采用8節(jié)點(diǎn)六面體網(wǎng)格進(jìn)行劃分以提高計(jì)算精度，得到螺栓網(wǎng)格模型；其中，過渡部分的單元長度設(shè)置為0.02，主體部分的單元長度設(shè)置為0.05，螺栓模型內(nèi)徑網(wǎng)格加密，網(wǎng)格劃分完成后檢查網(wǎng)格質(zhì)量，要求雅可比值J0.5，避免網(wǎng)格畸變影響計(jì)算收斂速度；

103)對步驟102)中得到的螺栓網(wǎng)格模型賦予材料屬性，包括隨時(shí)間變化的熱物性、磁性和力學(xué)性能參數(shù)；

104)對步驟103)得到的有限元分析模型設(shè)置電磁邊界條件，進(jìn)行電磁場諧性分析求解；轉(zhuǎn)換單元類型，讀入電磁分析結(jié)果，提取渦流場的熱生成率，并設(shè)置熱邊界條件，給定加熱時(shí)間，進(jìn)行瞬態(tài)溫度場分析；更新溫度場相關(guān)的電磁材料信息，并返回電磁場分析，如此循環(huán)完成熱-磁雙向耦合求解；

105)讀取步驟104)得到的熱分析結(jié)果，將熱單元轉(zhuǎn)換為結(jié)構(gòu)單元，采用預(yù)緊截面法施加螺栓預(yù)緊力，并設(shè)置自由度約束條件，進(jìn)行結(jié)構(gòu)場求解分析；

106)特征提?。鹤x取步驟104)得到的熱分析結(jié)果，提取達(dá)到加熱時(shí)間ht時(shí)的螺栓內(nèi)部最高溫度T_max、內(nèi)外壁最大溫差Δt_max；讀取步驟105)得到的結(jié)構(gòu)分析文件，提取達(dá)到加熱時(shí)間ht時(shí)的伸長量l_t、螺栓內(nèi)部最大熱應(yīng)力σ_max；

2)優(yōu)化控制

基于遺傳優(yōu)化的粒子群算法，通過初始化粒子位置和速度，引入異步學(xué)習(xí)因子和自適應(yīng)權(quán)重系數(shù)對位置和速度進(jìn)行更新，并執(zhí)行交叉和變異操作，得到功率-時(shí)間匹配曲線，作為數(shù)值分析中的熱邊界條件進(jìn)行計(jì)算，當(dāng)提取的關(guān)鍵特征結(jié)果滿足約束條件時(shí)，更新粒子局部最優(yōu)和全局最優(yōu)值迭代計(jì)算，輸出最優(yōu)適應(yīng)度結(jié)果；優(yōu)化控制的具體步驟如下：

201)在搜索空間中隨機(jī)初始化種群ht＝(ht₁?ht₂…h(huán)t_N),ht_i0，每個(gè)粒子由四個(gè)時(shí)間段組成ht_i＝(t_i1?t_i2?t_i3?t_i4)^T,t_ij0,i＝1,…,N,j＝1,…,4，N為加熱時(shí)間方案的數(shù)目；同理初始化粒子的初始速度v＝(v₁?v₂…v_N),v_i＝(v_i1?v_i2?v_i3?v_i4)^T；粒子位置區(qū)間[t_min,t_max]，速度區(qū)間[v_min,v_max]；

202)選取螺栓加熱的適應(yīng)度函數(shù)為其中P為功率常數(shù)矩陣；初始化粒子個(gè)體最優(yōu)位置,i＝1,…,N，粒子群全局最優(yōu)位置個(gè)體最佳適應(yīng)度值為全局最佳適應(yīng)度值

203)將初始化的種群隨機(jī)劃分為4個(gè)分種群，不同種群的粒子賦予異步學(xué)習(xí)因子c₁與c₂:

種群1:

種群2:

種群3:

種群4:

其中k為當(dāng)前迭代次數(shù)，K_max為最大迭代次數(shù)；慣性權(quán)重系數(shù)ω服從自適應(yīng)權(quán)重更新：

其中，ω_max和ω_min分別表示ω的最大值和最小值，f表示微粒當(dāng)前的目標(biāo)函值，f_avg和f_min分別表示當(dāng)前所有粒子的平均目標(biāo)值和最小目標(biāo)值；

204)粒子速度更新：

位置更新：

ht_i,j(k)＝ht_i,j(k-1)+v_i,j(k)

其中r₁和r₂為[0,1]之間的隨機(jī)數(shù)，i＝1,…,N；j＝1,…,4；k＝1,…,K_max，K_max為進(jìn)化最大次數(shù)；

205)設(shè)置交叉概率p_c＝0.7，在每個(gè)分種群中采用輪盤賭選擇法，選中M個(gè)父代個(gè)體隨機(jī)進(jìn)行兩兩配對，并隨機(jī)選擇交叉位置q，q＝1,…,4，以概率p_c執(zhí)行交叉操作，得到的子代個(gè)體的位置分別為：

速度分別為：

其中r_c為[0,1]之間的隨機(jī)數(shù)，下標(biāo)p₁、p₂表示被選中進(jìn)行交叉的兩個(gè)父代個(gè)體的編號，k表示進(jìn)化次數(shù)，檢查交叉后染色體是否超出變量取值范圍，若超過則重新執(zhí)行步驟205)，若滿足范圍則轉(zhuǎn)下一步；

206)設(shè)置變異概率p_m＝0.3，對步驟205)完成交叉操作后的個(gè)體，隨機(jī)選擇變異的位置s，s＝1,…,4，以概率p_m執(zhí)行變異操作：

其中r_m為[0,1]之間的隨機(jī)數(shù)，下標(biāo)c表示執(zhí)行過交叉操作的個(gè)體編號，k表示進(jìn)化次數(shù)，K_max表示最大進(jìn)化次數(shù)，檢查變異后染色體是否超出變量取值范圍，若超過則重新執(zhí)行步驟206)，若滿足范圍則轉(zhuǎn)下一步；

207)將步驟206)得到的ht_i與加熱功率P_i進(jìn)行匹配；加熱功率曲線采用多段式功率調(diào)節(jié)曲線進(jìn)行加載，對應(yīng)加載時(shí)間分別為加速升溫階段t₁、減速降應(yīng)力階段t₂、減速升溫階段t₃和加速伸長階段t₄；對于編號為i的個(gè)體，其功率-時(shí)間匹配表達(dá)式為：

其中i＝1,…,N，對編號為i的個(gè)體，P_i1、P_i2、P_i3為給定值，由此可得到第k次迭代的N條加熱功率曲線P-t，代入作為步驟104)的熱邊界條件進(jìn)行熱分析計(jì)算；

208)對步驟106)獲得的計(jì)算結(jié)果與安全閾值和規(guī)定值比較，若滿足有限元約束條件T_maxT_reg，Δt_maxΔt_reg，σ_max[σ]，l_tl₀，其中T_reg、ΔT_reg、[σ]和l₀分別為規(guī)定的最高允許溫度、最大溫度差、安全許用應(yīng)力及規(guī)定伸長量，則按下式更新

同時(shí)更新適應(yīng)度值并返回步驟203)進(jìn)行迭代計(jì)算，滿足收斂精度要求時(shí)結(jié)束，輸出該螺栓最優(yōu)適應(yīng)度結(jié)果；若不滿足有限元約束條件，則說明初始化種群選擇不當(dāng)，返回步驟201)重新初始化開始計(jì)算；

209)更新螺栓編號，重復(fù)步驟201)-步驟208)計(jì)算，獲得螺栓組的最優(yōu)電力方案，優(yōu)化結(jié)束。