（机械制造及其自动化专业论文）超磁致伸缩智能构件直接冷却温控方法研究.pdf

浙江大学硕士学位论文 摘要 超磁致伸缩执行器( g m a ) 是一种具有高精度、高响应等特点的，适用于高精度驱动结构、 精密加工技术等行业的新型智能磁- 机换能器件，目前广泛应用在超精密加工机床、超精密位置 控制、传感器、换能器、主动振动控制等领域。活塞是发动机汽缸中的一个重要部件，采用异 型销孔活塞能够有效减少活塞销孔的应力集中等缺点，大幅度提其工作性能，然而传统异型活 塞销孔的加工方式较落后。用于异形活塞孔镗削加工的弯曲型g m a 加工系统，能够在一定程 度上解决这一技术难题，针对这种加工系统在实际应用中发现，保持稳定的工作环境温度对于 保证g 队的输出精度至关重要。 本研究总结了国内外超磁致伸缩材料的发展历史与研究现状，以及以异形活塞孔镗削加工 为代表的超磁致伸缩执行器的应用现状，以及电子器件冷却系统的发展状况和趋势、g m m 材 料的热特性和g m a 智能构件输出的热影响。在总结不同温度控制和补偿方式的基础之上，分 析了智能构件的基本温控需求，并依照传热学相关内容为理论依据，基于直接液体冷却原理， 提出了一类可应用于弯曲型微位移执行器的新型高热效率g m a 温控方法。针对温控系统的不 同工况，提出了不同的结构设计方案：具有相变层的直接冷却温控装置、无相变层的直接冷却 温控装置共两类；及提出了新型的卡盘式的温控腔体结构，共构成了多种具有不同特点的结构 方案。 之后对不同方案进行了流体模型和传热模型建模分析计算，在总结了各种优化算法的基础 上，设计了采用遗传算法的优化模型和优化参数，对温控系统的结构尺寸进行了优化设计。然 后借助计算流体力学工具建立了热传导数学模型，建模、仿真、评价了不同的温控系统方案， 验证了各个方案在相应工况下的温控效率，证实了结构优化算法的有效性和优化结果的正确性。 仿真结果表明，新型的几种直接冷却温控方案将磁致伸缩材料( g m m ) 的温升范围由传统间接冷 却温控方式的0 4 至0 5 提升到0 0 2 之内，将线圈绕组的温升控制在2 2 之内。新的 温控方法和热结构为g m m 材料进一步的开发和应用研究提供了设计方向和依据。最后，全新 建立了一套由腔体、管路、以及相关测控电路及软件等构成的实验系统并进行了等效实验。结 果表明，实验系统可以将温升控制在o 5 o 7 以内，波动度控制在0 0 5 0 1 范围内。 相比传统温控系统，本系统有了较大的进步。 最后归纳总结研究成果之后，总结和展望了可进一步深入的研究问题。 关键词：超磁致伸缩材料；超磁致伸缩执行器；温度控制；卡盘式；遗传算法 i a b s t r a c t g i a n tm a g n e t o s t r i c t i v ea c t u a t o r ( g m a ) i san o v e ls m a r ta c t u a 由0 ru s e d 南r m a g m t o m e c l l a n i c a l e n e 。g yc o n v e r s i o ni nt h ef i e l do fh i g ha c c u r a c yd r i v i l l g s 仃u c t u r ea n dp r e c i s i o nm a n u f a c t i i l g t e c h l l o b 鼢w h i c hh a st h em e r i t so fh 适hp r e c i s i o na l 】d h i 曲r e s p o i l s e ，i sn o ww i d e l vu t i l i z e di i l u l n a 。p r e c i s i o nl n a c h i l l m gt o o l ，h i 曲a c c u r a c yp o s i t i o nc o m r o l ，s e i l s o r s ，t r a n s d u c e la c t i v ev i b r a t i o n c o n 仃o 】，e t c 陈t o ni so n eo ft l l ei m p o n a n tp a r t so fa ne n g i n ec y l i i l d e r a d o p t 吨1 1 0 l 卜c 沁u l a r 畸t o n 王l o l ec a ne 船c t i v e l yd e c r e a s et h er i s ko fs 仃e s s c o t l c e n 仃a t i d na i l d g r e a t l ye n l 】a n c et h ep i 哟n ，s p e r 幻r m a n c e ；1 1 0 w e v e rt l l e 臼a d 证i o m l1 1 0 n - c 托u l a rp i 哟nh o km a n u l c t w i l l gm e t h o d s1 1 a v ev a r i o u s d i s a d v a l t t a g e s b o r i i l gt 0 0 1 sb a s e do ns m a r tc o m p o i l e mu s i l l g 丑e x u r eg m ac o u l da c h i e v eh i g h e r p e m r m a m e h o w e v e a sw a sc o n 盘m e di nt h ee 坤e r i i t l e n t s ，k e e p i l l gas t a b l ew o r k 吨t e 呷e m t u r ei s c r u c i a l lt ot h ep r e c i s eo u 巾u to f g m a i i lt h i sp 印e r ，d o m e s t i ca n dm t e r m t i o n a ld e v e l o p i m n th i s t o r ya n dr e s e a r c l l ，印p l i c a t i o ns i t u a t i o n o tg l a mm a g n e t o s t r i c t i v em a t e r i a l ，t h er e s e a r c hb a c k g r o u n do f t h e 印p l i c a t i o no fe l e c 仃o n i cd e v i c e s c 0 0 1 吨s y s t e m ，a sw e l la st l l et h e r l n a lc 1 1 a m c t e r i s t i c s ，t h e r m a le 僚c t ，t e 呷e r a t w ec o n 仃o l l i f l gm e t h o d s a 耐t h e i rp e r f o r m a n c eo ng m m m a t e 沌la n dg m as m a r tc o 呷o m n t sw e r es u m m a r i z e d a d d 确m l l v an 0 v e lh i 曲t h e r m a l e 伍c k n c yt e m p e m t u r ec o n 的l l h gm e t b o dw a l sp r o p o s e df o rf l e x u r et y p eg m a o nt h eb a l s i so f d 沁c tl i q u i dc o o l i n ga 耐s o l i d - l i q u i d p 1 1 a s ec l l a n g ep r i i l c 币l e 1 、w ot y p e so f d 砘c tl i q u i d c o o l i l l gt e 呷e m t u r ec o n 订o l l i l l gs y 啦ms 仃u c t m s ，r e s p e c t i v e l yw i t ha 1 1 dw i t h o i i tp h a s e c 1 1 a n g e ，w e r e p r o p o s e ds p e c i f i c t od i f 凳r e mw o r k i l l g e n v i r o n m e i 吐s f 珊t l l e r m o r e ，an o v e lc h u c k s t v kt h e r l t l a l s t r u c t u r ew a s d e s i g n e dt oc o n s t i t l i t eas e r i e so f s t r u c t u r es c h e 聪sp o s s e s s i l l gd i v e r s es p e c h l t i e s t h eh e a tt 捌 1 s 危rm 。d e la 1 1 dt h ec o r 印u t a t i o m ln u i dd y m m i c s m o d e l 旬ro u rp r o p o s e ds c h e m e s w e r ec o n s t r u c t e da n da t l a l y z e d t h e l l ，t l l e o p t i l t l i z a t i o no ft h es 订u c t u r es 沈p a r a 】m e 电e r sf o rt 1 1 e p r o p o s e dt e 呷e r a t u r ec o n 仃ol h n gs y s t e mw a ss t u d i e db a s e do n g e n e t i ca l g o r i t h r r lb yt h e r l n a l d y m m i c sm o d e i i l l ga n ds 岫u l a t i o l l ，t h et e m p e r a t 眦e f f i c i e l l c i e so f d i 位r e ms c h e m e sw e r eo b t a i l l e d a n dt 1 1 eo p t i l t l i z e ds 口u c t u r es i z ep a m n t e r sw e r ev a l i d a t e d si i l l u l a t i o nr e s u l t ss l l o w e dt 1 a tt h em v e l d i r e c t l i q u i dc o o l i n gm e t h o d sw i t hm u n i 1 a y e ro i lt u n l sc o u l dp r o v 订et e h 】p e r a t u r ed i s t u r b a l l c e m n g e so f a r o u n d 士0 0 2 幻g i a n tm a g i 】e t o s t r i c t i v em a t e r i a l ( g m m ) c o n p a r e d t o 士o 4 士0 5 b y 廿1 et r a d i t i o m lm e t h o d ，t h e 把呷e m t u r er i s i n go fc o i lw 砌i i l g sw e r el i r n 池di n 2 2 a sw e l l t h e 1 1 0 v e lt e m p e r a t u r ec o n 们l l i l l gm e t h o d sa n dt h e r i l l a is 订u c t 眦sw i l ls h e d l i g h to n 胁h e r 印p l i c a t i o n i i 塑垩奎兰堡主兰垡笙茎一一 a b 。t ，a c t 二一一 ：= ： r e s e a r c ha n dd e v e b p m e m l i t i l i z i n gg m m a tl a s t ，a ne 冲e r i m e n tp l a t 旬r mc o n s i s t so f t h el i q u i dc a v i t m l i q u 诅p i p i i l gr e l e v a mc o m r o l l i l l ga n di 豫a r s u r e m e mh a r d w a r e ，c 碗u i ta 耐s o 氐忸r ew a sd e v e l o d e d b a s e do nt h ep l a t 南r l t l ，e q u i v a b n te x p e r i l t l e m sw e r ec o n d u c t e d e 冲e r 沛e n tr e s u l t ss 1 1 0 w e dt 1 1 a tt h e 1 1 0 v e ld 沁c tl i q u j dc o o 硒gm e t h o d sc o u l dc o n 仃o l t l l et e m p e r a t u 陀r i s i n g 您n 萨w i t h i n0 5 o 7 ， a n dp r o v i d ea 锄m p e r a t u 陀d i s t u r b a l l c er a n g e so f a r o u n d 0 0 5 0 1 旬rg m m ，w h i c hi sa n i m p r o v e m e mc o m p a r i n gw i t ht h et r a d i t b n a lm e t h o d s u m m a r i z i l l ga n dr e s e a r c hp r o s p e c t i n gw e r ep u t 旬n ) ，a r da r e n a r d k e yw o r d s ：g i a t 吐m a g t o s 仃b t i v em a t e r i a l ；g m a ；t e h p e r a t u r ec o 时0 1 ；c h u c ks t y 】e ；g e n e t i c a l g o r i t h m i 浙江大学硕士学位论文 第1 章绪论 第1 章绪论 超磁致伸缩材料是一类用途广泛的新型智能材料，本章将简单阐述超磁致伸缩材料的发展 历程以及应用场合，以及本文所涉及的用于异形活塞孔加工的g m a 智能构件。与大部分电子 设备一样，g m a 的高精度输出有赖于工作温度的稳定，需要高效的冷却系统。在总结电子设备 冷却系统的研究现状之后，本章给出了本文的选题、意义，以及各章的主要内容。 1 1 超磁致伸缩材料概述 1 1 1 超磁致伸缩材料的特性及发展历史 铁磁性物质在外磁场作用下，其尺寸伸长或缩短，去掉外磁场后，其又恢复原来的长度， 这种现象称为磁致伸缩现象或磁致伸缩效应【，又称焦耳效应【2 】。其中长度的变化称为线磁致伸 缩，体积的变化称为体磁致伸缩。一般情况下体磁致伸缩比线磁致伸缩要弱得多，因此大多数 情况下很少考虑体磁致伸缩，通常提到的磁致伸缩均是指线磁致伸缩。如图1 1 所示，一般认 为磁致伸缩的机理主要是由于材料磁化形成的大量磁畴在有外磁场时的磁化方向趋于外磁场方 向而引起的宏观形变 3 】。 + 。 长三) 三涎三三三三j 三) e e 三刭 图1 1 磁畴转动引起尺寸变化的宏观表示 磁致伸缩程度的大小用材料的相对伸长量一一磁致伸缩系数五来表示：旯= 鱼与 立，其中 f o 为原来的长度，0 为物质在外磁场作用下伸长( 或缩短) 后的长度。一般铁磁性物质的旯很 小，约百万分之一，通常用p p m 代表。 超磁致伸缩材料( g m m ) 是指在常温下可以产生显著的磁致伸缩效应的一类新型智能材料。 磁致伸缩材料的历史始于1 8 4 2 年，j o u l e 等首次测量到铁棒在磁场作用下长度发生变化，之后 浙江大学硕士学位论文 第l 章绪论 许多科学家相继投入相关研究【4 】。1 9 2 5 年，w e b s 把r 等发表了单晶铁的磁致伸缩系数测量结果， 绘制了不同轴向的磁致伸缩曲线图，如图1 2 所示，这个时代的磁致伸缩材料的磁致伸缩系数 不超过数十个p pm 5 1 。 一- a l 砌 。 产 | ： | ， ：恕。 “，。、。 一cf，脚。 图1 2 单晶铁在不同轴向的磁致伸缩曲线 1 9 5 5 年，b o z 0 劬等发表了关于铁氧体材料的实验数据，得到了磁致伸缩系数约为8 0 0 p p m 的磁致伸缩材料，但是其工作温度范围并不适合制造室温下的执行器【6 1 ；之后的研究集中在寻 找室温范围内的具有大磁致伸缩值的材料上。1 9 7 2 年，c 1 冰等发现t b f e 2 等二元稀土合金在室 温下的磁致伸缩系数较大，1 9 7 4 年又发现三元稀土铁合金具有更大的磁致伸缩系数并注册专利 使其实用化【7 1 。商品化的稀土超磁致伸缩材料始于二十世纪8 0 年代中期，主要有美国e d g e t e c h n o b g y 公司的t e r 岔i - d 、瑞典f e r d y n a b 公司的m a g m e k 8 6 等。 1 1 2 超磁致伸缩材料的研究及应用现状 t e r 佬n o i - d 作为一种新型的换能材料，其性能远优于压电陶瓷( p z d 等其他材料。以这种材 料为驱动元件的超磁致伸缩执行器( g m a ) ，在大应变、强力和高功率密度及高精度、快速响应 和高可靠性能等方面是任何传统技术无法比拟的，其具有变形输出大、能量转换效率高、承受 负载能力强、动态稳定性好等优点，这些优点主要来自于材料的优异性能： g m m 的饱和磁致伸缩系数九。达到1 5 0 0 2 0 0 0 p p m ，在线性范围内可达到1 0 0 0 p p m ，是n i 的4 0 5 0 倍，是p 砑的5 8 倍；其承载力大于等于2 0 御a ，而p z t 的上限仅4 a 。其能量密 度可达到1 4 2 5 l ( j m 3 ，是n i 的4 0 0 5 0 0 倍，是p z t 的1 0 1 4 倍，且不发生疲劳退化，偏磁场不 随时间和温度改变，居里温度( t c ) 较高，工作温度范围较宽；而p z t 在室温下会发生自然退极 化现象，退极化速率随温度升高而加快，且居里温度较低。g m m 的磁致伸缩性能不随时间发 ， 浙江大学硕士学位论文 第l 章绪论 生改变，稳定性高，频率特性好，工作频带较宽，能在低频下工作；而p z t 对工作频率要求较 严，且工作电压很高，容易出现电击穿问题。除此之外，g m m 响应速度极高( 否+ 7 确定较小的交叉概率 是 和较大的变异概率 一 1 确定交大的交叉概率i 【和较小的变异概率i 0 进行交叉 ，一7 恕磁岁是 、t 进行二次交叉 虿 公是+ 对指定基因进行变异 否 0 进行变异 是上 、 采用移民策略替换部分个体 否 1 r n - n + 1 ，计算新一代个体的适值 么念 是 图3 1 电力机车牵引变压器遗传算法优化程序框图 本文在后续章节中应用遗传算法对方案c 1 、d l7 进行结构尺寸上的优化设计，以期取得最 3 2 室 浙江大学坝士掌位论文第3 苹智能构件热分析计算及基于遗传算法的温控系统结构优化设计 好的温控效果。 3 2 智能构件温控系统传热学及流体力学分析计算 3 2 1 待优化的参数 为了应用优化算法，首先需要对目标系统进行数学建模，对于g m a 智能构件温控系统即 为其传热学及流体力学分析及计算。超磁致伸缩智能构件温控系统对系统中发热元件进行冷却 时，换热过程主要是冷却液体流经固体壁面时进行的对流换热。影响对流换热的因素有很多， 包括流体流动的动力是自然对流还是强制对流、换热过程中流体是否存在相变、流体的流动状 态、流体的物理性质等等【7 。通常情况下，强制对流的换热系数大于自然对流的换热系数，而 雷诺数较大时换热系数也相应较大，如湍流的换热强度一般大于层流的换热强度 7 2 1 。下面，将 依据以上几条准则以及传热学理论基础，对温控系统结构进行优化参数设置以及边界条件设定。 图3 2 为智能构件直接液体冷却温控系统涉及待优化参数的零部件尺寸示意图。 图3 2 智能构件直接冷却温控系统结构优化示意图 在图3 2 中可见，针对每一组确定的线圈外形尺寸口，、啦、，而言，油道的层数，? 、油道间 隙厚度6 、漆包线的线径，、以及各层油道的内径4 都不是确定值，均可对其进行优化设计。 3 2 2 智能构件温控系统流体相关参数分析计算 首先计算流体流量q 的表达式以及各层油道的雷诺数，。 对任一环形油道，若其内径为d ，油道间隙厚度j ，长度为，那么根据同心圆柱环形缝隙 流动的流量压降公式则有环形缝隙中的流量q 为： q = 筹。等 ， 浙江大学硕士学位论文第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 设直接接触线圈的油道层数为门层，为便于撑条带选型，每一层的油道间隙厚度6 取均等 值，线圈厚度亦取均等值。而油道间隙厚度约等于撑条尺寸，在撑条尺寸参数调研的基础上， 油道间隙厚度6 的取值范围： l m ms6s4 m m ( 3 2 ) 为了线圈制造工艺性考虑，直接接触线圈的油道层数不宜过多： 2s 玎s6 ( 3 3 ) 根据腔体相关尺寸计算可得各层油道的内径西： z = 2 f ( q 一占) + ( z 一1 ) 掣 ( 1 s ，s 船) ( 3 4 ) z = 2 i ( q 一占) + ( f 一1 ) 竖半i ( 1s 述船) ( 3 4 ) 由于油道两端相连通，为了便于计算，将刀层油道各层的两端压力视为近似相等，故压降 p 也近似相等，于是有： q = 篙。等 q = 薏竽 5 套q f = 如 觯线性万程组。司得： 妒刍瓯7 6 ， 其中q 口，为整个系统的总流量，在第3 2 4 节中给出。 在温控系统的结构优化设计中需要考虑雷诺数。一般而言，雷诺数较大的流动可以造成较 高的对流热交换系数，若变压器油的动力粘度为儿m 密度为pd ，则有： r p ：型堕 ( 3 7 ) 幽为水力直径，根据流体力学： 4 f ! ( 垡三丛一丝 办= 等= 毛剁划 8 塑垩大学硕士学位论文 第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 肚争陶 9 ， 对第f 层油道，若其流量为q f ，内径为西，联立式( 3 7 ) 、式( 3 8 ) 、式( 3 9 ) 可解得各 胎，2 嚣 刀“一id ；+ d i 。7 接下来须计算在保持磁感应强度疡不变的情况下，线圈尺寸参数乜，、啦、，与漆包线线径，、 脚。蒜h ( 需 沼2 ， 其中，为驱动电流，口2 詈，2 去。 为了保证智能构件的驱动性能和方案之间的可比较性，本文所有方案中保持线圈中轴线上 的磁感应强度鼠= 6 3 1 m t 不变，线圈匝数- 1 4 0 0 不变，根据表2 2 中a 、b 、c 、d 各类方案 在线圈缠绕时，根据线圈所占空间与温控系统腔体之间的几何关系有： = 盟掣 ( 3 1 3 ) 根据相关国家标准可得到漆包线的线径范围 6 0 j ： 0 0 2 2 m ms2 ，s5 0 0 0 m m ( 3 1 4 ) 一般而言漆包线的电流密度不超过4 a l t l 】m 2 ，然而在线圈散热条件较佳时，漆包线电流密 3 5 浙江大学硕士学位论文第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 度取值可适当加大。如采用以变压器油为冷却介质的油浸冷却散热方式，在特定条件下短时间 电流密度可达到1 2 m m 2 【7 3 1 。为了保证g m a 智能构件的长时间稳定工作，本文取最大电流密 度为6 刖m 砰，于是有边界条件： 了6 a m m 2( 3 1 5 ) 3 2 4 热功率参数分析计算 在此需计算线圈单位时间内的热产生量，以及吸收等量热量所需的冷却液体流量9 l o 热量由驱动线圈通电发热产生，需计算通电线圈的各项参数。各层线圈导线理论总长度为 5 3 】： 诤荤( 子告( ( 懈小训 漆包线的电阻率为p 。，则线圈的总电阻为： 叱柚增= 警 ( 3 - 设a 、b 、c 、d 方案下的电流值分别为厶、如、尼、易，线圈总电阻。d 豫计算值分别为 几、飓、r c 、硒，则有各类方案的总热功率，即温控系统的总散热量分别为： 嘭= 2 r( f = a ，b ，c ，d )( 3 1 8 ) 然后需计算冷却液体的热物理参数。本研究在直接冷却温控系统中采用4 5 号变压器油作为 冷却液体。变压器油是天然石油中经过蒸馏、精炼而获得的一种分馏产物，这种矿物绝缘油的 主要成分是烷烃等化合物f 7 4 ，7 5 1 。变压器油的密度、热导率、比热、动力粘度分别按照如下规律 随热力学温度，发生变化 7 6 ： p ( r ) = 1 0 9 8 7 2 一o 7 1 2 丁 | j ( r ) = o 1 5 0 9 7 1 0 1 1 0 - 5 丁 c ，、( ) ：80 7 1 6 3 + 3 5 8 丁 3 1 9 ( r ) = o 0 8 4 6 7 一o 0 0 4 丁+ 5 1 0 - 1 丁2 取定性温度为4 0 ( 3 1 3 1 5 k ) ，则可得到变压器油的各项属性： 表3 1 冷却液体的热物理属- 陛 密度动力粘度比热热导率 冷却介质 ( k g m 3 )( p a 木s )( j ( k g + k ) )( w ( m 4 k ) ) 变压器油 8 7 5 88 4 4 1 1 0 。1 9 2 8 2o 1 2 8 7 根据变压器油的相关物理属性，在单位时间内吸收与线圈总散热量等量的热量所需的冷 新江大学坝士学位论文 第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 却液体变压器油的体积循环量q o f f 可按照下式计算： 线2 赤 协2 。， 其中为总散热量，考虑温控系统的稳定性，变压器油的容许温升出d f f 取值不能太大，取 0 5 ；p 洲为变压器油的比重8 7 5 8 k m 3 ，c 。f 为变压器油的比热1 9 2 8 2 j o ( 矿k ) 。根据式( 3 2 0 ) 计算可得到q d f ，从而可根据式( 3 6 ) 可得q f 。得到q 之后代入式( 3 6 ) 已及相关各式，即 可得到系统所有的流体及热参数。 3 2 5 目标函数确定 遗传算法的优化目标是一个根据需求所设计的目标函数。在本文的情况中，优化目标是使 得在各层油道同时散热的情况下尽可能减少温升。此处综合考虑各层线圈的总发热量，以及 各层油道的传热系数办r 和热交换面面积彳，得到以油道的层数刀、油道间隙厚度6 、漆包线的 线径r 、以及各层油道的内径西为待优化变量的优化目标函数： m 以l 咖南 ( 3 - 2 1 ) 其中4 ，为各层油道的换热面积，办，为各层油道的对流换热系数。其含义是目标函数的减小 意味着总发热量p 的减少以及各层油道散热系数的增大。当以胛，西巧鳓达到最小值时，可视为 优化目标达成。 对单独的一层油道，其在层流或湍流下的对流换热系数是不同的，层流流态时的对流换热 系数【7 l 】： 8 6 ( 等鹏厂8 6 ( 篙) ；鲁 2 2 ， 湍流流态时的对流换热系数： 办= 砒言- o 吻对8 胪4 鲁 c3 彩， d w秘 “。“ 参照变压器冷却系统的设计，通常情况下变压器用冷却器之冷却器管内变压器油的流动处 于过渡区，而油道流速通常低于冷却器管内油的流速，应当处于过渡区或层流区 7 7 1 ，而且若变 压器油在湍流状态下流动，则易产生油流带电，影响温控系统的安全稳定性【7 8 1 。因此根据设计 经验假设本温控系统油道内为层流流动，在之后的计算流体力学分析中可验证这一假设，此处 选择式( 3 2 2 ) 作为计算公式。 以上两式中p ，为普朗特数，变压器油的普朗特数随温度变化较大，查阅技术资料获得普朗 浙江大学硕士学位论文 笙! 兰塑堂塑竺垫坌塑盐竺墨垩三望堡竺鎏望墨笙墨竺竺塑竺! 兰兰翌 _ 一 特数的取值曲线m 】。变压器油的取值线坐标基准点为( 2 3 ，8 5 ) ，联接该点与温度轴上4 0 的点 作直线，直线与普朗特数轴的麦点即为变压器油的普朗特数尸咖如图3 3 所示。 图3 3 变压器油的普朗特数计算图谱 得到变压器油在4 0 的定性温度下的普朗特数p r * 1 4 8 。 3 8 浙江大学硕士学位论文 第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 各层的换热面积： 于是有目标最小值函数的展开式： 4 = 万( 谚+ 2 艿) ，+ 万谚， ( 3 2 4 ) 幽m a 2 南 i 。k m 妣 骶8 6 ( 篙) ；钒坤印川州2 5 ， ，2 旦冬 一 万r 。 荤 1 8 6 嘲端酬砂圳叫 f o( 万 瓯。) p ( 万) 2 3 。 已( 号罢 一， c 万瓯m ， 3 - 2 7 ) 浙江大学硕士学位论文 m i n p v 口z ( 九，万，r ，z ) = p ( 万) 瓦。 第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 n 6 蹦 2 q | 碱。( 谚+ 艿) ( 艿 瓦。) ( 艿瓯。) 箬忱谚埘) z + + p ( 占) ( 3 2 8 ) 由于方案a 、b 不具有多层液道，故仅对c 、d 类方案进行优化设计，以下是将输入系统 的输入常数、待优化参数、辅助参数以及优化目标函数： 表3 2 温控系统遗传算法优化设计输入常数 丛矿 弘 、，、 、ij， d 万 ，一pj ， o 竺 ，。l o 匿 o 珈 o 啪叫i i 输入参数 变压 变压 最大变压变压变压 方 线圈线圈线圈线圈电阻器油器油普朗 驱动器油器油器油 案 内半径外半径长度匝数最大动力特数 电流密度比热热导率 温升粘度 口，口2 zin p w 乇，p 。l l c d ，五讲，d f ， p r c3 55 39 24 5 6 1 4 0 00 0 1 7o 58 7 5 81 9 2 8 2o 1 2 8 78 4 4 l 1 0 。 1 4 8 d2 95 39 24 4 1 浙江大学硕士学位论文笫3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 表3 3 温控系统遗传算法优化设计待优化参数及辅助参数 参数变化范围限定条件 油道间隙 pc万，=三。e(等孚一。：三三主二：； 厚度1 m m 墨古s4 m m d 油道层数 2s 竹兰6疗n 肝 待优化 参数 ，( 哆一q ) 一( 玎一1 ) ，万 漆包线线径 ，一、| n 0 0 1 1 m msr s 2 5 0 0 m m 2 ， 三6 a m m 2 万r 各层油道 内径 谚= 2 ( ( q 一万) + ( z 一，) 呸云兰万 正 漆包线线长 。荤( 争鲁( ( 坤卅训 z 。， 线圈电阻 k = 警 尺w j n 击 5 线圈发热量 参= ，2 凡，枷增 辅助参 油总流量 q o i t3 2 。o 号o 。l c o i j 数 q o ， 各层油量 q ：善 q 谚 i - 1 各层雷诺数 心；见謦。、 r b观j ，l 嘭+ d j 4 1 浙江大学硕士学位论文 第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 表3 4 温控系统优化目标函数 个体适应值函数 j ：丛 m i n p z ( 万，r ，引= 万型- 弋_ 弋+ p ( 万) 扑8 6 ( 患( 篇糟忙埘灿叫) l f o ( 万 ) p ( 万) 2 3 。( e ( 等罢 一， c 万屯。， 3 3 应用遗传算法软件e v o i v e r 进行结构优化设计 3 3 1 大型工程软件包p a l i s a d ed e c i s b n t o o l ss u i 【e 介绍 p a l i s a d ed e c j s i o n t o o l ss u i t e 是一种基于电子制表软件的，集成了许多种风险与决策分析程 序模型的，具有风险决策、分析、优化等功能的d s s ( m o d e l d r i v e nd e c i s i 。ns 呻p o r ts y 咖m ) 软 件包【刚。d e c i s i o n 髓o l ss u 晚的组件功能涵盖蒙特卡罗模拟风险分析、模拟决策分析、“假设” 灵敏度分析、预测分析和最优化等，被全球各大工业企业应用在工程中，美国通用电气集团、 日本日立公司等均签约购买，将其用在风险管理，优化设计等领域【8 l 】。p a 梳kg w d i n g 等使用 其 融s k 组件进行了一种杀鼠剂的药物遗传学人种差异分析 8 2 1 ，h o n s h i a n gl a u 等应用其组件 b s e 正i t 进行了统计分布分析【83 1 ，j e i l s c l 】r i s t i a ns v e n n i i l g 等使用其r i s k o p t i l n i z e r 组件模拟仿真 了欧洲大陆后冰河期树木多样性的变化模式i 洲。u n i v e r s i t yo fi l l i l l o i sa tu r b a i 】a - c l a i 印a i g l l 的 n e v i l l ，d a n i e lw 使用其 s k 组件进行了对飞行器机翼的空气动力学仿真可信度的分析 85 1 ， i b b i ns p e n c e 使用该软件套件进行了地震风险估算分析 8 6 1 。其他研究机构也使用其统计学分析 工具s t a l t 0 0 1 s 、神经网络工具n e m l t 0 0 1 s 等组件进行项目风险研究、不确定性定量分析、笼统 有价证券投资决策、油气田钻井决策等研究工作 8 7 ，8 8 1 。 本文将在前述章节对g m a 智能构件量化分析的基础之上，采用p a l i s a d ed e c i s i o n t 0 0 1 ss u i t e 软件包的e v o l v e r 组件对直接冷却温控方案c 和d 进行结构尺寸的优化设计。 3 3 2 输入优化模型 根据表3 2 、表3 3 、表3 4 ，将所有参数以标准化e x c e l 公式的形式输入e v o l v e r 中。并 浙江大学硕士学位论文第3 苹智能构件热分析计算及基于遗传算法的温控系统结构优化设计 设置适中的交叉概率p 渤，。r _ o 5 ，变异概率尸m 。舡。泐= o 。l 。首先优化c 类方案，因为遗传算法是 全局的最优化算法，因此待优化参数的初始值可以在边界条件内任意选择。根据式( 3 4 ) ，可 以通过口、幻、玎、巧计算出各层油道的内径么，故此不将西作为优化变量，仅将胛、6 、r 作为 待优化变量。将相应初始变量、常数数据、变异概率、边界条件、目标函数、惩罚函数等输入 e x c e l 如图3 4 、图3 5 、图3 6 ，然后运行遗传算法进行优化。 y 坌【l 坌垒! 宝曼 o i l w a yt h i c k n e s s c o n b c to w a yn u m b e r w i r er a d i l b 图3 4 方案c 。的遗传算法优化前初始变量 g u r r e n t t u m s r e s i s t _ 耐0 fc o p p e r o t e m e 陷t u r er a n g e o i id e n s 耐 s d e c f i ch e a t t h e r m a lc o n d u c t i v 耐 d y n a m i cv i s c o s 时 p 陀n c f t in u m b e r p i 图3 5 方案c 。的遗传算法优化输入常数 图3 6 中的h a r dc o i l s t r a i n t s 为硬性约束条件，不符合边界条件的个体惩罚为死亡。s o f c o n s t r a i l l t s 下的约束条件的惩罚函数为式( 3 2 7 ) 中所设计的惩罚函数。 幻钆，队鼬砌丹丌 浙江大学硕士学位论文 第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 丝坌【垡垒d ! 璺l 凸! 1 m m 冬占4 m m 2s 挖6 o 0 1 1 m m r 曼2 5 0 0 m m p e n a 川e s d e a t h d e a t h d e a t h s o f tc o n s t r a i n t sp e n a i t i e s 占 1 5 m m f i t n e s sf u n c t i o n i n i n 伽z ( 五r ，噶) = ，丛 霄r _ 3 0 0 0 邢) i 姗一竺 f 托n e s sf u n c t i o n 、，a i u e + p ( 万) 图3 6 方案c ，7 的遗传算法优化约束条件、惩罚函数及适应值函数 3 3 3 优化设计结果 遗传算法迭代中最佳适应性个体的适应函数变化曲线以及系统的优化结果分别为图3 7 、 图3 8 所示。 、，lllil， 浙江大学硕士学位论文 第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 图3 7 方案c 的遗传算法优化过程 如图3 7 所示，最小目标值函数值随着迭代次数的增加逐渐降低，最终收敛于一个特定的 值。该值所对应的个体的变量取值如图3 8 中的i a b l e s 一栏下所示，即为c 类方案的结构尺 寸最优化方案。 如图3 8 所示，c 类方案的最优化结果结构尺寸方案为： 萨1 5 m m n = 3 ( 3 2 9 ) ，一0 5 0 m m 将此方案命名为方案c 2 ，。后续章节中将对方案c 1 和方案c 27 进行分析，验证优化结果的正 确性。 4 5 浙江大学硕士学位论文第3 章智能构件热分析计算及基于遗传算法的温控系统结构优化设计 v a r i a b l e s o i l w a yt h i c k n e s s c 0 n 协c to i | w a yn u m b e r w l r er a d i u s c o n s t a n t s c o i | p a r a m e t e r s c u r r e n t t u r n s r e s i s t h ，时o fc o p p e r 0 i it e m e r a t u r er a n g e o i id e n s 时 s d e c 讦i ch e a t t h e r m a ic o n d u c t f v 时 d y n a m i cv i s c o s 时 p r a n c t in u m b e r p o i 咐a yd i a m e t e r j 阳 ， 日j 口， n pw fo i z p d z oo j ， 七o i z o i f 尸， 石 di a2 d 3 d 4 d5 d 6 s u m m a t i o no fd i a m e t e r s 跏馏倒 w i n d i n gv o i u m e 乃 向。 力j 向4 力5 乃6 i i蘩5 。：。0 2 3 3 5 t e 。3 | |_ _ o 湔 j3 s 5 3 9 2 莆5 6 1 4 0 0 o0 1 7 0 5 8 7 58 1 9 2 8 2 0 1 2 8 7 o 0 0 8 4 4 1 1 4 8 3 1 4 1 5 9 2 6 5 4 6 69 9 9 9 5 3 3 8 64 9 9 9 7 6 6 5 1 0 6 0 0 0 澜懑壁 5 0 36 5 6 3 3 7 8 5 0 44 8 7 8 5 6 8 5 0 50 1 6 2 8 1 7 0 0 o h a r dc o n s t r a i n t s 1 m m 茎6 茎4 m m 2s 行兰6 o0 1 1 m l 茎7 。茎25 0 e ) m m s o f tc o n s t r a i m s 占 15 m m f i t n e s sf u n c t i o n 删n e m “n 正r ，吐) = p f 占) = 矗见i 。 p e n a i t i e s d e a t h d e a t h d e a t h p e n a i