首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种自适应的燃气轮机轮盘型线优化方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:西安交通大学

摘要:本发明公开了一种自适应的燃气轮机轮盘型线优化方法,属于系统设计优化应用领域;其首先根据系统设计的要求,提取设计变量,确定目标变量,建立系统的高精度模型和低精度近似模型,并初始化;其次基于区间缩减策略,从已知点中采样出新点,并计算新点的低精度模型的目标函数值;接着训练一个高斯过程回归模型,用于学习高精度模型和低精度模型之间的误差,并用此模型预测新点的目标函数误差;然后根据建立的低精度接受模型,以一定概率接受低精度模型的结果,减少优化过程对高精度模型的依赖;最后基于Metropolis‑Hastings算法下的能量下降法,进一步优化采样结果,通过迭代过程完成最终的优化。

主权项:1.一种自适应的燃气轮机轮盘型线优化方法,其特征在于,包括以下步骤:1根据燃气轮机轮盘形状参数选取设计变量和优化目标变量,建立系统设计的高精度模型和低精度模型;2从设计空间中随机生成N组设计初值X0i,利用高精度模型和低精度模型分别计算这N组初值下的目标函数值;3基于区间缩减策略从设计空间中产生新的设计变量值Xnew,计算Xnew的低精度模型的目标函数值;4计算已知的高精度模型和低精度模型之间目标函数值的误差ε,利用高斯过程回归学习误差;5利用步骤4训练的高斯过程回归模型预测新误差的期望μ和方差σ2;6引入高精度模型和低精度模型的接受准则,以一定概率接受低精度模型计算的Xnew的目标函数值;7利用基于Metropolis-Hastings算法的能量下降法,迭代优化结果,然后更新能量下降法的参数T;8判断迭代条件和收敛条件,完成优化;其中,步骤3的具体实现方法如下:301设当前迭代轮次为itter,总迭代次数为count,区间缩减系数为k,根据公式3和公式4产生新点;公式3:公式4:式中,r表示0~1之间的随机数;xnew和xold分别表示新点和上一个采样点;bold和aold分别表示xold对应的设计变量取值区间的上下界;302对每一个设计变量重复步骤301的过程,得到新的设计变量值Xnew;303计算Xnew的低精度模型的目标函数值fLXnew;步骤6的具体实现方法如下:601基于公式10计算接受低精度模型准则的上下限;其中,公式10:式中,fLXnew表示新点Xnew的低精度模型的目标函数值;κ取1,2,3;Ecur表示上一个迭代过程得到的系统设计变量的函数值;602接受准则如下:①当Emax≤-Tlnr时,直接接受Xnew,计算E=fLXnew+μ;②当Emin>-Tlnr时,拒绝新点Xnew及其fLXnew,返回步骤3;③当Emin≤-Tlnr<Emax时,计算Xnew的高精度模型的目标函数值fHXnew,令E=fHXnew,然后更新步骤4的高斯过程回归模型;④对于fLXnew+μ-Gmin<0这种情况,则无论上述①~③的条件是否满足,也需要计算Xnew的高精度模型的目标函数值fHXnew,并令E=fHXnew,同时更新步骤4的高斯过程回归模型;其中,T是能量下降法在当前轮次迭代下的参数;r是0~1的随机数;Gmin表示已经计算出的系统当前的最优值;步骤7的具体实现方法如下:701计算ΔE=E-Ecur,取0~1之间的随机数r:①当ΔE≤0,则直接接受Xnew及E,表示为Xcur=Xnew,Ecur=E;②当ΔE≤-Tlnr,则同样接受Xnew及E,表示为Xcur=Xnew,Ecur=E;③当ΔE>-Tlnr,则拒绝Xnew及E,表示为Xcur=Xcur,Ecur=Ecur;702参数T根据公式11更新;其中,公式11:式中,T0表示能量下降法的初始参数;q是衰减系数,取0~1之间的小数;itter表示当前的迭代次数。

全文数据:

权利要求:

百度查询: 西安交通大学 一种自适应的燃气轮机轮盘型线优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。