CN117993287B 一种铅铋反应堆智能设计优化方法 (南华大学)_第1页
CN117993287B 一种铅铋反应堆智能设计优化方法 (南华大学)_第2页
CN117993287B 一种铅铋反应堆智能设计优化方法 (南华大学)_第3页
CN117993287B 一种铅铋反应堆智能设计优化方法 (南华大学)_第4页
CN117993287B 一种铅铋反应堆智能设计优化方法 (南华大学)_第5页
已阅读5页,还剩24页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明涉及一种铅铋反应堆智能设计优化函数和约束限制条件的待优化铅铋反应堆数学络算法建立可预测铅铋反应堆堆芯特性参数的代理模型S_LFR;采用小生境遗传算法Micro_GA对代理模型S_LFR预测的设计参数组合进行寻23其中,F(X)与F2(X)分别反应最大化与最小化的优化需求;。步骤(2a)采用正交拉丁超立方抽样方法对设计理/热工响应值Y1,Y2…yn划分训练集与测试集,并进行标准化处理,标准化处理的公式4jjjy=(mx)+uCW为目标系数,根据最大化和最小化的需求分别取值1和_1,为待优化模型S_5际目标的物理/热工响应值,验证精度是否满足要求,并评估判断最优点是否满足约束条6[0005]为解决铅铋反应堆设计中特征工程的复杂性问题以及堆芯设计优化的多目标问[0008]步骤(1)建立基于铅铋反应堆设计空间、设计目标函数和约束限制条件的待优化[0009]步骤(2)使用BP神经网络模型对设计空间的设计目标函数进行预测得到预测集;7[0016]步骤(2a)采用正交拉丁超立方抽样方法对设计空间内的设计自变量进行抽样得[0017]步骤(2b)将预测集带入铅铋反应堆设计待优化模型S_LFR得到预测集的预测值,[0018]步骤(2c)将物理/热工计算预测结果作为目标函数,采用小生境遗传算法对设计[0020]步骤(2e)采用区域缩减方法与择优加点原则不断更新设计区域和BP神经网络模[0022]步骤(1a1)建立基于铅铋反应堆设计空间,即确定优化目标自变量对象及优化范xn是一组反应堆设计优化的设计自变量,Lj和Uj分别对应设计自变[0025]步骤(1a2)建立约束限制条件,即确定因变量及其待优化铅铋反应堆数学模型的约束限制条件,结合(1a1)所得的自变量设计空间公式得到待优化铅铋反应堆数学模型的[0028]步骤(1a3)建立设计目标函数,即确定判定优化效果好坏的函数模型,其公式如8[0031]步骤(1a4)结合铅铋反应堆设计空间、约束限制条件和设计目标函数既可获得待[0037]步骤(1b2)将优化目标自变量x1,x2,…xn作为BP神经网络全连接层的输入量,物t9[0043]进一步,所述步骤(1c)中的正交拉丁超立方法对设计参数区域抽样生成样本点[0047]步骤(1d1)采用训练集损失函数和验证集损失函数均方误差作为BP神经网络模型[0048]步骤(1d2)计算验证BP神经网络模型的预测精度,不满足精度要求则返回步骤[0050]步骤(2c1)初始化种群,将各群体划分为不同的小生境,通过锦标赛选择繁殖父+w222+…+wNNNw2[0061]进一步,所述步骤(2e)具体是相较于通过铅铋反应堆物理/热工水力计算分析程序来计算反应堆参数,消耗时间大幅度用小生境遗传算法对BP神经网络模型预测的数据集进行寻优并验证评估;采用如图3所示[0073]步骤(1)建立基于铅铋反应堆设计空间、设计目标函数和约束限制条件的待优化[0074]步骤(2)使用BP神经网络模型对设计空间的设计目标函数进行预测得到预测集;使用小生境遗传算法Micro_GA对BP神经网络模型预测得到的预测集进行寻优并验证评估,将符合约束条件的区间数据集加入训练数据集进行BP神经网络模型更新并进行区域缩减;[0081]步骤(2a)采用正交拉丁超立方抽样方法对设计空间内的设计自变量进行抽样得[0082]步骤(2b)将预测集带入铅铋反应堆设计待优化模型S_LFR得到预测集的预测值,[0083]步骤(2c)将物理/热工计算预测结果作为目标函数,采用小生境遗传算法对设计[0085]步骤(2e)采用区域缩减方法与择优加点原则不断更新设计区域和BP神经网络模[0087]步骤(1a1)建立基于铅铋反应堆设计空间,即确定优化目标自变量对象及优化范xn是一组反应堆设计优化的设计自变量,Lj和Uj分别对应设计自变[0090]步骤(1a2)建立约束限制条件,即确定因变量及其待优化铅铋反应堆数学模型的约束限制条件,结合(1a1)所得的自变量设计空间公式得到待优化铅铋反应堆数学模型的[0093]步骤(1a3)建立设计目标函数,即确定判定优化效果好坏的函数模型,其公式如[0096]步骤(1a4)结合铅铋反应堆设计空间、约束限制条件和设计目标函数既可获得待[0102]步骤(1b2)将优化目标自变量x1,x2,…xn作为BP神经网络全连接层的输入量,物t[0108]进一步,所述步骤(1c)中的正交拉丁超立方法对设计参数区域抽样生成样本点[0112]步骤(1d1)采用训练集损失函数和验证集损失函数均方误差作为BP神经网络模型[0113]步骤(1d2)计算验证BP神经网络模型的预测精度,不满足精度要求则返回步骤[0115]步骤(2c1)初始化种群,将各群体划分为不同的小生境,通过锦标赛选择繁殖父+w222+…+WNNNw2[0126]进一步,所述步骤(2e)具体是[0127]BP神经网络算法通过模拟人脑神经元的联结和信息传递,主要结构包括输入层、加快速精确地进行铅铋反应堆多目标耦合的设计优化

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论