首页 / 专利库 / 电脑编程 / 算法 / 一种基于质量矩极小化的大型高速回转装备叶片的排序方法

一种基于质量矩极小化的大型高速回转装备叶片的排序方法

阅读:699发布:2021-06-07

专利汇可以提供一种基于质量矩极小化的大型高速回转装备叶片的排序方法专利检索,专利查询,专利分析的服务。并且本 发明 是一种基于 质量 矩极小化的大型高速回转装备 叶片 的排序方法。本发明建立大型高速回转装备质量矩物理模型,进行叶片质量矩优化,随机产生初始种群;根据叶片的自适应度,基于建立的大型高速回转装备质量矩物理模型,确定叶片的适应度的相对值;对叶片的适应度的相对值进行 迭代 计算,得到最大的适应度的相对值;当迭代次数小于250次时,采用 云 自适应遗传 算法 对叶片进行排序,并进行选择操作、交叉操作和变异操作,生成子代种群;直至满足迭代次数大于等于250次,叶片排序序号,得到最佳的叶片排序。本发明从本质上反应实际 转子 不平衡 量,在搜索和开发之间由更好的平衡能 力 ,从而极大改善了局部寻优的问题。,下面是一种基于质量矩极小化的大型高速回转装备叶片的排序方法专利的具体信息内容。

1.一种基于质量矩极小化的大型高速回转装备叶片的排序方法,其特征是:包括以下步骤:
步骤1:建立大型高速回转装备质量矩物理模型,进行叶片质量矩优化,随机产生初始种群;
步骤2:根据叶片的自适应度,基于建立的大型高速回转装备质量矩物理模型,确定叶片的适应度值;
步骤3:对叶片的适应度值进行迭代计算,得到最大的适应度值;
步骤4:当迭代次数小于最大迭代次数时,采用自适应遗传算法对叶片进行排序,并进行选择操作、交叉操作和变异操作,生成子代种群;
步骤5:对所述子代种群进行步骤2至步骤3的操作,直至满足迭代次数大于等于最大迭代次数,叶片排序序号,得到最佳的叶片排序。
2.根据权利要求1所述的一种基于遗传算法的大型高速回转装备叶片装配方法,其特征是:通过下式建立大型高速回转装备质量矩物理模型:
其中,M为叶片的总质量矩,mi为第i个叶片的质量,为由叶片安装中心到叶片质心的矢量,Mx为各叶片质量矩在x轴上投影的和,My为各叶片质量矩在y轴上投影的和,Z1为转子的质量矩总不平衡量,Me为转子偏心矩,Mex为转子偏心矩在x轴上的分量,Mey为为转子偏心矩在y轴上的分量,θ为叶片质心位置与x轴的夹,xi和yi为第i个叶片执行的x轴和y轴坐标,mixi和miyi为第i个叶片的质量矩在x轴和y轴上的分量,n为叶片数,θ2为第一个叶片的安装位置与叶盘质量矩的夹角。
3.根据权利要求1所述的一种基于遗传算法的大型高速回转装备叶片装配方法,其特征是:所述步骤2具体为:
根据叶片的自适应度,基于建立的大型高速回转装备质量矩物理模型,确定叶片的适应度值,通过下式表示叶片的适应度值:
其中,pi为叶片的适应度值,pop为种群大小,f(xi)为叶片的适应度相对值。
4.根据权利要求1所述的一种基于遗传算法的大型高速回转装备叶片装配方法,其特征是:所述选择操作具体为:逐个累加叶片的适应度值得到累加概率pn,通过pn将区间[0-1]分成pop个区间,产生一个[0-1]的随机数randi,所述randi落在区间[pi-1,pi]则选择个体i。
5.根据权利要求1所述的一种基于遗传算法的大型高速回转装备叶片装配方法,其特征是:所述变异操作具体为:
采用两元素优化变异算子,按照变异概率选择的个体,随机选取该个体的某两个位置上叶片交换,得到新的叶片排序,对父代所有个体都按照变异概率进行变异操作,直到产生下一代群体。
6.根据权利要求1所述的一种基于遗传算法的大型高速回转装备叶片装配方法,其特征是:所述最大迭代次数为250次。

说明书全文

一种基于质量矩极小化的大型高速回转装备叶片的排序方法

技术领域

[0001] 本发明涉及大型高速回转装备叶片排序配技术领域,是一种基于质量矩极小化的大型高速回转装备叶片的排序方法。

背景技术

[0002] 大型高速回转装备不平衡量的优化是一个工程上的难题。质量矩则是不平衡量的主要部分,而合理的叶片排序能够极大地降低转子质量矩。现已有有限元、神经网络、遗传算法、粒子群算法等被应用到航空发动机机、压气机的不平衡量优化中来。
[0003] 在面对大型高速回转装备的叶片排序问题中,很多优化方法简单地考虑了叶片质量矩的存在,而不考虑叶盘质量偏心的情况,也就是说叶盘也存在质量矩。而经过物理模型的研究,不考虑转子质量矩的叶片排序结果并没有达到转子质量矩极小化的结果。
[0004] 一般叶片排序方法速度慢、耗时长,如枚举法、搜索法;神经网络算法学习过程长,容易陷入局部最优情况;而粒子群算法对于离散的优化问题处理不佳,一般遗传算法随机性强,易早熟,同样容易陷入局部最优情况。

发明内容

[0005] 本发明为解决现有叶片排序方法速度慢、耗时长,本发明提供了一种基于质量矩极小化的大型高速回转装备叶片的排序方法,本发明提供了以下技术方案:
[0006] 一种基于质量矩极小化的大型高速回转装备叶片的排序方法,包括以下步骤:
[0007] 步骤1:建立大型高速回转装备质量矩物理模型,进行叶片质量矩优化,随机产生初始种群;
[0008] 步骤2:根据叶片的自适应度,基于建立的大型高速回转装备质量矩物理模型,确定叶片的适应度值;
[0009] 步骤3:对叶片的适应度值进行迭代计算,得到最大的适应度值;
[0010] 步骤4:当迭代次数小于250次时,采用自适应遗传算法对叶片进行排序,并进行选择操作、交叉操作和变异操作,生成子代种群;
[0011] 步骤5:对所述子代种群进行步骤2至步骤3的操作,直至满足迭代次数大于等于250次,叶片排序序号,得到最佳的叶片排序。
[0012] 优选地,通过下式建立大型高速回转装备质量矩物理模型:
[0013]
[0014]
[0015]
[0016]
[0017]
[0018] 其中,M为叶片的总质量矩,mi为第i个叶片的质量,为由叶片安装中心到叶片质心的矢量,Mx为各叶片质量矩在x轴上投影的和,My为各叶片质量矩在y轴上投影的和,Z1为转子的质量矩总不平衡量,Me为转子偏心矩,Mex为转子偏心矩在x轴上的分量,Mey为为转子偏心矩在y轴上的分量,θ为叶片质心位置与x轴的夹,xi和yi为第i个叶片执行的x轴和y轴坐标,mixi和miyi为第i个叶片的质量矩在x轴和y轴上的分量,n为叶片数,θ2为第一个叶片的安装位置与叶盘质量矩的夹角。
[0019] 优选地,所述步骤2具体为:
[0020] 根据叶片的自适应度,基于建立的大型高速回转装备质量矩物理模型,确定叶片的适应度值,通过下式表示叶片的适应度值:
[0021]
[0022] 其中,pi为叶片的适应度值,pop为种群大小,f(xi)为叶片的适应度相对值。
[0023] 优选地,所述选择操作具体为:逐个累加叶片的适应度值得到累加概率pn,通过pn将区间[0-1]分成pop个区间,产生一个[0-1]的随机数randi,所述randi落在区间[pi-1,pi]则选择个体i。
[0024] 优选地,所述变异操作具体为:
[0025] 采用两元素优化变异算子,按照变异概率选择的个体,随机选取该个体的某两个位置上叶片交换,得到新的叶片排序,对父代所有个体都按照变异概率进行变异操作,直到产生下一代群体。
[0026] 本发明具有以下有益效果:
[0027] 本发明建立了叶片和叶盘质量矩的质量矩优化模型,该模型能够从本质上反应实际转子不平衡量。云自适应遗传算法通过对算子的改进,使算法在搜索和开发之间由更好的平衡能力,从而极大改善了局部寻优的问题。附图说明
[0028] 图1是一种基于质量矩极小化的大型高速回转装备叶片的排序方法;
[0029] 图2是大型高速回转装备叶片的排序原理图;
[0030] 图3是迭代次数与适应度关系图。

具体实施方式

[0031] 以下结合具体实施例,对本发明进行了详细说明。
[0032] 具体实施例一:
[0033] 根据图1至图2所示,本发明提供一种基于质量矩极小化的大型高速回转装备叶片的排序方法,一种基于质量矩极小化的大型高速回转装备叶片的排序方法,包括以下步骤:
[0034] 一种基于质量矩极小化的大型高速回转装备叶片的排序方法,包括以下步骤:
[0035] 步骤1:建立大型高速回转装备质量矩物理模型,进行叶片质量矩优化,随机产生初始种群;
[0036] 建立回转装备质量矩物理模型。
[0037]
[0038]
[0039]
[0040]
[0041] 其中,M为叶片的总质量矩,mi为第i个叶片的质量,为由叶片安装中心到叶片质心的矢量,Mx为各叶片质量矩在x轴上投影的和,My为各叶片质量矩在y轴上投影的和,Z1为转子的质量矩总不平衡量,Me为转子偏心矩,Mex为转子偏心矩在x轴上的分量,Mey为为转子偏心矩在y轴上的分量,θ为叶片质心位置与x轴的夹角,xi,yi为第i个叶片质心的x,y坐标,mixi,miyi为第i个叶片的质量矩在x,y坐标轴上的分量,n为叶片数。θ2第一个叶片的安装位置与叶盘质量矩的夹角。
[0042] 步骤2:根据叶片的自适应度,基于建立的大型高速回转装备质量矩物理模型,确定叶片的适应度值;
[0043] 步骤3:对叶片的适应度值进行迭代计算,得到最大的适应度值;
[0044] 步骤4:当迭代次数小于250次时,采用云自适应遗传算法对叶片进行排序,并进行选择操作、交叉操作和变异操作,生成子代种群;
[0045] 本发明选择算子采用轮盘赌法,适应度大的个体被选中的可能性高。对于每一个个体,如果它的适应度相对值为f(xi),那么它的适应度的相对值即为 pop则为种群大小,一种基于质量矩极小化的大型高速回转装备叶片的排序方法把pi当作选中这个个体的选择概率。轮盘赌法的叶片选择具体操作为:逐个累加个体的选择概率得到累加概率pn,pn把区间[0-1]分成pop个区间。产生一个[0-1]的随机数randi,randi落在区间[pi-
1,pi]则选择个体i。例如,1、2、3、4四个个体的选择概率分别为0.1、0.2、0.3、0.4,那么其累加概率分割的区间分别为[0,0.1]、[0.1,0.3]、[0.3,0.6]、[0.6,1],那么如果产生随机数为0.5,则个体3被选中。
[0046] 步骤三:交叉操作
[0047] 一种基于质量矩极小化的大型高速回转装备叶片的排序方法采用重组交叉算子,这种算法首先为两个父代个体中的叶片建立一个边列表,表示与这个叶片相连的叶片和出现次数。
[0048] 假定两个父代个体:
[0049] P1=(1,2,3,4,5,6,7,8)
[0050] P1=(3,8,1,6,5,4,7,2)
[0051] 该两个个体进行交叉,得到的边列表如表1所示。若某条边在父代中出现了两次,则在列表中这条边的顶点上添加一个“-”号。边重组交叉算子通过选择一个初始点来开始构造后代。一种基于质量矩极小化的大型高速回转装备叶片的排序方法可以选择父代的首位作为后代的初始点。则后代o1为:
[0052] O1=(1,##########)
[0053]
[0054]
[0055] 从父代中选择个体的原则是,选择与之相邻的叶片中叶片数最少的叶片,若与某两相连叶片数相等,首选带有“-”号的叶片,如果两个叶片上述条件都相同,那么随机选择其中一个。例如,与叶片1相连的叶片有2、6、8,它们相连叶片数相同,但是8之前有-号,所以选择8;与8相连的叶片有137,1之前已经选过,所以在37之间选,因为与7相邻叶片数较多,所以选择叶片3。
[0056] 如此反复进行,得到
[0057] O1=(1,8,3,2,7,6,5,4)
[0058] 步骤四:变异操作
[0059] 本文采用两元素优化变异算子。即按照变异概率选择的个体,随机选取该个体的某两个位置上叶片交换,得到新的叶片排序。对父代所有个体都按照变异概率进行如上变异操作,直到产生下一代群体为止。
[0060] 交叉概率和变异概率由云自适应遗传算法给出:
[0061]
[0062]
[0063] He=En/c2 He=En/c4
[0064] En′=RANDN(En,He) En′=RANDN(En,He)
[0065]
[0066] 其中:RANDN(En,He)生成期望值为En,标准偏差为He的正态随机数。fmax为种群最大适应度, 为平均适应度,f为变异个体适应度,f′为交叉两个体适应度的较大值,k1~k4∈[0~1],取k1=k3=1.0,k2=k4=0.5,c1-c4为控制参数,c1=2.9,c3=3.0,c2=c4=10。
[0067] 步骤五:适应度函数设计
[0068] 按照生物进化原则,适应度要求越大越好,且为非负值,结合前面所给出的总不平衡量,本文给出的适应度函数如下:
[0069]
[0070] 步骤5:对所述子代种群进行步骤2至步骤3的操作,直至满足迭代次数大于等于250次,叶片排序序号,得到最佳的叶片排序。
[0071] 具体实施例2:
[0072] 某大型高速回转装备的一级转子有24个叶片,在质量矩称上称量出质量矩大小,其值如表2所示。
[0073]
[0074] 叶盘质量矩为420g.mm。设定参数如下:种群规模N=1000;最大迭代次数500。算法采用matlab代码,运行于(I72.4GHz 4GB运行内存的普通PC)机上,运行时间31.4min,结果见表3。
[0075]
[0076] 根据图3和表3可得,迭代次数达到250代时,已经取得最大适应度结果;对于一般或不合理的排序,转子不平衡量达到125g.mm甚至更大,随着遗传算法迭代次数的增加,其适应度越来越大,不平衡量越来越小,直至达到最大适应度f=13.5934,同时可得最小不平衡量Zmin=0.07357g.mm。
[0077] 以上所述仅是一种基于质量矩极小化的大型高速回转装备叶片的排序方法的优选实施方式,一种基于质量矩极小化的大型高速回转装备叶片的排序方法的保护范围并不仅局限于上述实施例,凡属于该思路下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改进和变化也应视为本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈