[發明專利]一種一體化支板火焰穩定器雙層壁結構的多目標優化方法

在審

• 申請號: 202210040876.3
• 申請日: 2022-01-14
• 公開（公告）號: CN114519299A
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 譚曉茗;李文;韋裕恒;肖翔;單勇;張靖周
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/17;G06N3/12;G06F111/06
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張弛

1.一種一體化支板火焰穩定器雙層壁結構的多目標優化方法，其特征在于：包括以下步驟：

步驟1，確定一體化加力支板火焰穩定器雙層壁冷卻結構的待優化結構參數及待優化結構參數范圍；

步驟2，設計徑向基神經網絡的訓練樣本和測試樣本；

步驟3，將一體化加力支板火焰穩定器雙層壁冷卻結構的最大綜合冷卻效率和最小相對壓力損失作為優化目標，構建適應度函數并通過計算流體動力學計算選取樣本的目標函數；

步驟4，基于訓練樣本建立徑向基神經網絡的數學模型，利用測試樣本驗證模型正確性，輸出徑向基神經網絡的擴散系數；

步驟5，利用遺傳算法對一體化加力支板火焰穩定器雙層壁結構進行全局尋優。

2.根據權利要求1所述的多目標優化方法，其特征在于：步驟1中所述待優化結構參數包括沖擊孔孔徑d_i、氣膜孔孔徑與沖擊孔孔徑的比值d_f/d_i、氣膜孔列數m、氣膜孔排數n、沖擊間距與沖擊孔孔徑的比值H/d_i，沖擊孔孔徑d_i為0.8～1.5mm，d_f/d_i為0.4～1.0，m為37～73，n為4～7，H/d_i為1～2.5。

3.根據權利要求2所述的多目標優化方法，其特征在于：步驟2中，樣本的設計步驟包括：

步驟2.1，將待優化結構參數沖擊孔孔徑d_i、氣膜孔孔徑與沖擊孔孔徑的比值d_f/d_i、氣膜孔列數m、孔排數n、沖擊間距與沖擊孔孔徑的比值H/d_i進行組合，利用正交試驗設計根據正交性從全面組合中挑選出32組有代表性的樣本作為徑向神經網絡的訓練樣本；

步驟2.2，將待優化結構參數沖擊孔孔徑d_i、氣膜孔孔徑與沖擊孔孔徑的比值d_f/d_i、氣膜孔列數m、孔排數n、沖擊間距與沖擊孔孔徑的比值H/d_i進行組合，隨機抽取8組樣本作為測試樣本；

步驟2.3，針對不同樣本參數的單位尺度不同，對選取樣本的待優化結構參數做歸一化處理，將不同參數的單位尺度置于(0,1)范圍內：

式中，y是歸一化后的結果，x_i是樣本參數變量，x_max，x_min分別是樣本參數變量的最大值和最小值。

4.根據權利要求3所述的多目標優化方法，其特征在于：步驟3中，綜合冷卻效率和相對壓力損失的目標函數分別定義為：

F(d_i，d_f/d_i，m，n，H/d_i)＝1/η

F(d_i，d_f/d_i，m，n，H/d_i)＝ΔP

式中，η為綜合冷卻效率，ΔP為相對壓力損失。

5.根據權利要求4所述的多目標優化方法，其特征在于：步驟4中，徑向基神經網絡由輸入層接收訓練樣本，隱含層將輸入樣本通過徑向基函數映射到新的空間：

式中，x表示訓練樣本，c_i表示徑向基函數的中心向量，δ_i表示徑向基函數的核寬；

輸出層在新空間實現線性加權求和，輸出結果：

式中，w_i為隱含層與輸出層的連接權值，為徑向基函數，y為輸出結果，M為隱含層節點數；

采用試錯法確定徑向基神經網絡的擴散系數并驗證徑向基神經網絡的正確性，基于訓練樣本計算出不同擴散系數對應的徑向基神經網絡，通過迭代計算，選取均方根誤差最小的擴散系數值，計算流體動力學計算結果與徑向基神經網絡預測結果的均方根誤差表示為：

式中，N為數據總數，y_t(k)和分別為計算數據和預測數據。

6.根據權利要求5所述的多目標優化方法，其特征在于：步驟5中，利用遺傳算法對一體化加力支板火焰穩定器雙層壁結構進行全局尋優的詳細步驟為：

步驟5.1，初始化操作：染色體編碼，確立種群數量，設置交叉、變異概率、最大迭代步數；

步驟5.2，初始化種群：隨機生成第一代種群；

步驟5.3，基于徑向基神經網絡數學模型計算適應度值，評價種群，個體適應度包括一體化加力支板火焰穩定器雙層壁冷卻結構的最大綜合冷卻效率和最小相對壓力損失；

步驟5.4，判斷算法收斂準則是否滿足，滿足則終止，輸出最優解，否則繼續進行操作；

步驟5.5，根據優勝劣汰的原則對種群進行選擇，根據交叉概率和變異概率對種群進行交叉和變異，形成新一代種群，回到步驟5.3，經過若干代的進化迭代后，得到最優個體，即最優一體化加力支板火焰穩定器雙層壁冷卻結構。