本發(fā)明專利技術(shù)涉及一種基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，包括以下步驟：參數(shù)初始化；評估適應(yīng)度值；數(shù)據(jù)更新；迭代：如果未達(dá)到預(yù)先設(shè)定的終止條件，則返回評估適應(yīng)度值步驟；若達(dá)到迭代終止條件，則停止計算，最后輸出結(jié)果。本發(fā)明專利技術(shù)設(shè)計實現(xiàn)容易，具有較強的全局搜索能力，收斂速度快，優(yōu)化精度高等優(yōu)點，對于壓力容器重量問題，有非常有效的優(yōu)化效果。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及一種基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，屬于化工機械領(lǐng)域，同時涉及群體智能算法領(lǐng)域。
技術(shù)介紹
壓力容器是化工設(shè)備的重要組成部分，對化工原料及產(chǎn)品的開發(fā)和完善起著巨大的關(guān)鍵的作用。壓力容器主要包括薄壁壓力容器、壓力儲罐、外壓容器、多層壓力容器、高壓容器和超高壓容器等。壓力容器在生產(chǎn)和使用過程中，尤其是內(nèi)置易燃、易爆或腐蝕性物料時，存在相當(dāng)?shù)奈ｋU性，須十分注意其安全問題。另一方面，壓力容器的制造消耗大量的金屬材料。因而，壓力容器的設(shè)計與優(yōu)化日益引起人們的關(guān)注。針對壓力容器優(yōu)化設(shè)計這種復(fù)雜優(yōu)化問題，如果采用傳統(tǒng)的數(shù)學(xué)規(guī)劃方法解決,則無法在模型的求解精度和求解效率兩個方面同時達(dá)到理想的結(jié)果。近年來，廣泛模擬生物行為的基于生物啟發(fā)計算的智能優(yōu)化算法得到了學(xué)者們的廣泛關(guān)注，用其來求解此類問題取得了較好的結(jié)果，顯示出了基于生物啟發(fā)計算的智能優(yōu)化算法在解決復(fù)雜優(yōu)化問題中的獨特優(yōu)勢。但是較早提出的遺傳算法、蟻群算法優(yōu)化實現(xiàn)復(fù)雜度較高，魯棒性較差，得到的結(jié)果隨機性大；粒子群算法雖然優(yōu)化速度較快，但是容易陷入局部最優(yōu)，尤其是對高維優(yōu)化問題的求解精度不高；經(jīng)典的細(xì)菌覓食算法側(cè)重于對細(xì)菌行為的描述和模擬。這些已存在的算法在求解相對復(fù)雜的優(yōu)化問題時，其尋優(yōu)性能還不能達(dá)到滿意的精度和穩(wěn)定性要求。為了更好解決這些問題，借鑒生物生命周期理論，專利技術(shù)了基于種群正態(tài)分布的生命周期群搜索優(yōu)化算法，該算法實現(xiàn)了自適應(yīng)搜索，具有全局搜索能力強，收斂速度快，優(yōu)化精度高等優(yōu)點。
技術(shù)實現(xiàn)思路
針對現(xiàn)有技術(shù)中存在的上述不足之處，本專利技術(shù)借鑒生物生命周期理論，提供一種基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，實現(xiàn)了自適應(yīng)搜索，具有全局搜索能力強，收斂速度快，優(yōu)化精度高等優(yōu)點。本專利技術(shù)為實現(xiàn)上述目的所采用的技術(shù)方案是：一種基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，包括以下步驟：參數(shù)初始化；評估適應(yīng)度值；數(shù)據(jù)更新；迭代：如果未達(dá)到預(yù)先設(shè)定的終止條件，則返回評估適應(yīng)度值步驟；若達(dá)到迭代終止條件，則停止計算，最后輸出結(jié)果。所述參數(shù)初始化包括：初始化種群規(guī)模；初始化搜索空間上下限，最大迭代次數(shù)和收斂精度；初始化覓食方式選擇概率，交叉概率和變異概率；初始化混沌變量，正態(tài)分布平均數(shù)和正態(tài)分布標(biāo)準(zhǔn)差。所述評估適應(yīng)度值的計算方法為：更新全局極值：將初始種群中的最優(yōu)個體pg設(shè)置為全局初始極值；根據(jù)壓力容器設(shè)計標(biāo)準(zhǔn)：在相同環(huán)境下，以壓力容器重量越小越有為準(zhǔn)則制定種群的適應(yīng)度評價標(biāo)準(zhǔn)。所述數(shù)據(jù)更新包括以下步驟：執(zhí)行生長發(fā)育操作：群中最優(yōu)個體執(zhí)行混沌趨化操作，其他個體根據(jù)覓食方式選擇概率選擇執(zhí)行同化操作或換位操作；執(zhí)行繁殖操作：將群中的個體進(jìn)行兩兩順序配對，執(zhí)行單點交叉操作；執(zhí)行死亡操作：對群中個體按適應(yīng)值進(jìn)行線性排列，調(diào)整適應(yīng)度值，采用輪盤賭法方法選擇個體；執(zhí)行變異操作：群中的個體執(zhí)行方向變異操作；更新全局極值：計算當(dāng)前群中所有個體適應(yīng)度，設(shè)置當(dāng)前群中的最優(yōu)個體。本專利技術(shù)具有以下優(yōu)點及有益效果：設(shè)計實現(xiàn)容易，具有較強的全局搜索能力，收斂速度快，優(yōu)化精度高等優(yōu)點，對于壓力容器重量問題，有非常有效的優(yōu)化效果。附圖說明圖1是生命周期群搜索優(yōu)化算法的執(zhí)行流程圖；圖2是壓力容器結(jié)構(gòu)圖；圖3是壓力容器設(shè)計的收斂曲線比較圖。具體實施方式下面結(jié)合附圖及實施例對本專利技術(shù)做進(jìn)一步的詳細(xì)說明。工程上常見的半球形封頭壓力容器設(shè)計簡單，如圖1所示，廣泛應(yīng)用于石油及化學(xué)等工業(yè)。在力求滿足強度等要求的前提下，以壓力容器重量為目標(biāo)函數(shù)。此問題共4個約束條件和4個優(yōu)化變量。目標(biāo)函數(shù)：f(X)=0.6224X1X3X4+1.7781X2X32+3.1661X12X4+19.84X12X3]]>約束條件：g1(X)＝0.0193X3-X1≤0g2(X)＝0.00954X3-X2≤0g3(X)=1,296,000-πX32X4-4/3πX33≤0]]>g4(X)＝X4-240≤0其中，X1和X2分別為封頭(Th)和筒體壁厚(Ts)，0.0625≤X1，X2≤6.1875；X3為筒體及封頭底面半徑(R)，X4為筒體長度(L)，10≤X3，X4≤200。4個變量中，X1和X2是間隔為0.0625的均勻離散變量，X3和X4是連續(xù)變量。針對傳統(tǒng)數(shù)學(xué)規(guī)劃方法在求解壓力容器優(yōu)化設(shè)計這種大規(guī)模、多維的復(fù)雜優(yōu)化問題時所暴露出來的缺陷，以及傳統(tǒng)智能優(yōu)化算法尋優(yōu)性能不能達(dá)到滿意精度和穩(wěn)定性要求，專利技術(shù)了一種借鑒生物生命周期理論，并基于種群正態(tài)分布的智能優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法。本專利技術(shù)用于在滿足強度等要求的前提下，設(shè)計壓力容器的最小重量，包括以下步驟：1)參數(shù)初始化根據(jù)壓力容器設(shè)計準(zhǔn)則，設(shè)計X1和X2分別為封頭(Th)和筒體壁厚(Ts)，0.0625≤X1，X2≤6.1875；X3為筒體及封頭底面半徑(R)，X4為筒體長度(L)，10≤X3，X4≤200。4個變量中，X1和X2是間隔為0.0625的均勻離散變量，X3和X4是連續(xù)變量。然后根據(jù)決策變量范圍，確定初始種群規(guī)模，一般情況下，選擇50～100個，產(chǎn)生群體規(guī)模為并滿足正態(tài)分布的初始群體；初始化搜索空間上下限，最大迭代次數(shù)和收斂精度；初始化覓食方式選擇概率，交叉概率和變異概率；初始化混沌變量，正態(tài)分布平均數(shù)和正態(tài)分布標(biāo)準(zhǔn)差。算法所涉及的部分參數(shù)可通過壓力容器重量目標(biāo)函數(shù)進(jìn)行測定。2)評估適應(yīng)度值工程上常見的半球形封頭壓力容器設(shè)計簡單，如圖1所示，廣泛應(yīng)用于石油及化學(xué)等工業(yè)。在力求滿足強度等要求的前提下，以壓力容器重量為目標(biāo)函數(shù)。此問題共4個約束條件和4個優(yōu)化變量。目標(biāo)函數(shù)：f(X)=0.6224X1X3X4+1.7781X2X32+3.1661X12X4+19.84X12X3]]>約束條件：g1(X)＝0.0193X3-X1≤0g2(X)＝0.00954X3-X2≤0g3(X)=1,296,000-πX32X4-4/3πX33≤0]]>g4(X)＝X4-240≤0其中，X1和X2分別為封頭(Th)和筒體壁厚(Ts)，0.0625≤X1，X2≤6.1875；X3為筒體及封頭底面半徑(R)，X4為筒體長度(L)，10≤X3，X4≤200。4個變量中，X1和X2是間隔為0.0625的均勻離散變量，X3和X4是連續(xù)變量。針對上述帶有約束的壓力容器設(shè)計優(yōu)化問題，可以利用自適應(yīng)罰函數(shù)的方法，將約束條件轉(zhuǎn)換成為適應(yīng)度值。然后制定評判準(zhǔn)則，可定義重量越小越優(yōu)或者越大越優(yōu)。更新全局極值。將初始種群中的最優(yōu)個體設(shè)置為全局初始極值。3)數(shù)據(jù)更新執(zhí)行生長發(fā)育操作：群中最優(yōu)個體執(zhí)行混沌趨化操作，其他個體根據(jù)覓食方式選擇概率選擇執(zhí)行同化操作或換位操作；執(zhí)行繁殖操作：將群中的個體進(jìn)行兩兩順序配對，執(zhí)行單點交叉操作；執(zhí)行死亡操作：對群中個體按適應(yīng)值進(jìn)行線性排列，調(diào)整適應(yīng)度值，采用輪盤賭法方法選擇個體；執(zhí)行變異操作：群中的個體執(zhí)行方向變異操作；更新全局極值，計算當(dāng)前群中所有個體適應(yīng)度，設(shè)置當(dāng)前群中的最優(yōu)個體。4)迭代如果未達(dá)到預(yù)先設(shè)定的終止條件，則返回步驟2)，若達(dá)到迭代終止條件，則停止計算，最后輸出結(jié)果。算法實現(xiàn)步驟如圖2所示。所述步驟1)具體包括以下步驟：1.1)確定初始種群規(guī)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
一種基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，其特征在于，包括以下步驟：參數(shù)初始化；評估適應(yīng)度值；數(shù)據(jù)更新；迭代：如果未達(dá)到預(yù)先設(shè)定的終止條件，則返回評估適應(yīng)度值步驟；若達(dá)到迭代終止條件，則停止計算，最后輸出結(jié)果。
【技術(shù)特征摘要】
1.一種基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，其特征在于，包括以下步驟：參數(shù)初始化；評估適應(yīng)度值；數(shù)據(jù)更新；迭代：如果未達(dá)到預(yù)先設(shè)定的終止條件，則返回評估適應(yīng)度值步驟；若達(dá)到迭代終止條件，則停止計算，最后輸出結(jié)果。2.根據(jù)權(quán)利要求1所述的基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，其特征在于，所述參數(shù)初始化包括：初始化種群規(guī)模；初始化搜索空間上下限，最大迭代次數(shù)和收斂精度；初始化覓食方式選擇概率，交叉概率和變異概率；初始化混沌變量，正態(tài)分布平均數(shù)和正態(tài)分布標(biāo)準(zhǔn)差。3.根據(jù)權(quán)利要求1所述的基于生命周期群搜索優(yōu)化算法的壓力容器優(yōu)化設(shè)計方法，其特征在于，所述評估適應(yīng)度值的計算方法為：更新全局極...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：朱云龍，申海，張丁一，張浩，
申請(專利權(quán))人：中國科學(xué)院沈陽自動化研究所，
類型：發(fā)明
國別省市：遼寧;21
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。