改进粒子群优化算法在整流变压器设计中的应用研究

改进粒子群优化算法在整流变压器设计中的应用研究

论文摘要

整流变压器在电化学工业、电镀、直流电源以及直流输电等领域有着十分广泛的应用。随着工业水平的不断提高,对整流变压器的容量、结构形式也有了许多新的要求,这就要求设计人员根据不同的情况设计出不同特点的整流变压器。通过对ZS-2000/10kV整流变压器电磁部分采用手工计算,能够得知计算时间长。为了提高计算的效率,论文采用Visual C++软件对其计算过程进行程序设计。设计过程中对电磁部分进行分块,采用分块的方法编写程序,降低编程难度,提高工作效率,节省工作时间。目前在整流变压器设计方面,许多的参数没有具体的国家规定。每个设计者的经验不同,选取的参数往往不同,计算结果也会有差异,故对其进行优化设计是十分必要的。本文通过查阅资料,分析研究各种优化算法的优劣,针对整流变压器计算参数的特点,选择了粒子群优化算法。粒子群优化算法是一种可以应用于多种优化模型的全局搜索算法,计算过程简单、快速、准确。但是该算法在初始参数不多的情况下容易陷入局部最优,故对其进行了改进。在基本的粒子群算法之中引进了控制因子α,以此来调整惯性权重w取值的优劣。控制因子将最大迭代次数分为若干段,每段迭代开始计算时每个粒子的惯性权重由其自身的适应度值和群体平均适应度值的比较结果来决定。适应值好的粒子趋向于局部搜索,惯性权重不作调整;适应值差的粒子将进行全局探测,调整惯性权重,以便发现最优解,使整个粒子群具有多样性和好的收敛性。最后,本文将改进的粒子群优化算法应用到ZS-2000/10kV整流变压器优化设计中,并且在优化计算中采用计算机编程,以人机对话界面显示最终的结果,将优化结果与手工计算的结果进行比较可以看出,改进后的算法具有较好的可行性和有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • §1-1 课题研究的意义
  • §1-2 整流变压器的发展现状
  • §1-3 整流变压器设计中存在的问题
  • §1-4 本文的主要研究内容
  • 第二章 整流变压器设计特点和主要参数计算
  • §2-1 引言
  • §2-2 整流变压器的设计特点
  • §2-3 主要参数的计算
  • 2-3-1 铁芯直径的计算
  • 2-3-2 线圈参数的计算
  • 2-3-3 空载电流的计算
  • 2-3-4 整流变压器短路阻抗的计算
  • 2-3-5 整流变压器温升的计算
  • §2-4 整流变压器手工计算结果
  • §2-5 基于VISUAL C++的整流变压器程序设计
  • 2-5-1 电磁计算软件
  • 2-5-2 Visual C++的介绍
  • 2-5-3 模块化程序设计
  • 2-5-4 程序功能模块设计
  • 2-5-5 电磁计算软件的具体设计
  • 2-5-6 使用程序设计的计算结果
  • 2-5-7 电磁计算软件的特点
  • §2-6 小结
  • 第三章 改进粒子群优化算法
  • §3-1 引言
  • §3-2 常用算法
  • §3-3 基本的粒子群优化算法
  • 3-3-1 基本的粒子群优化算法介绍
  • 3-3-2 参数设置
  • 3-3-3 粒子群优化算法框架、原理及改进策略
  • 3-3-4 粒子群优化算法的设计步骤
  • §3-4 改进粒子群优化算法
  • 3-4-1 基本的粒子群优化算法存在的缺陷
  • 3-4-2 改进粒子群优化算法介绍
  • 3-4-3 改进算法测试实验
  • §3-5 小结
  • 第四章 基于改进粒子群优化算法的整流变压器设计
  • §4-1 目标函数与适应值的选择
  • §4-2 优化变量与约束条件的选择
  • §4-3 应用实例
  • §4-4 实验数据的对比分析
  • §4-5 小结
  • 第五章 总结
  • 参考文献
  • 附录
  • 致谢
  • 攻读学位期间所取得的相关科研成果
  • 相关论文文献

    • [1].粒子群优化算法在港口船舶物流中的应用[J]. 舰船科学技术 2020(04)
    • [2].求解电力系统经济调度问题的改进粒子群优化算法[J]. 控制与决策 2020(08)
    • [3].基于改进粒子群优化算法的溶解氧调控系统设计[J]. 传感器与微系统 2020(06)
    • [4].基于改进粒子群优化算法的微电网经济调度研究[J]. 上海电气技术 2020(02)
    • [5].粒子群优化算法[J]. 软件 2020(05)
    • [6].基于扩容和双距离决策的多目标粒子群优化算法[J]. 重庆邮电大学学报(自然科学版) 2020(03)
    • [7].改进粒子群优化算法及其在聚类分析中应用[J]. 系统仿真学报 2020(08)
    • [8].优质个体最优动态空间变异的粒子群优化算法[J]. 计算机应用研究 2020(08)
    • [9].基于自适应粒子群优化算法的无人机三维航迹规划[J]. 海军航空工程学院学报 2020(03)
    • [10].基于并行结构的多种群粒子群优化算法[J]. 传感器与微系统 2020(09)
    • [11].融入社会影响力的粒子群优化算法[J]. 计算机科学与探索 2020(11)
    • [12].基于改进粒子群优化-反向传播神经网络的制造业产能预测[J]. 机械制造 2019(03)
    • [13].层次学习骨干粒子群优化算法[J]. 控制与决策 2016(12)
    • [14].一种面向网络边缘任务调度问题的多方向粒子群优化算法[J]. 计算机应用与软件 2017(04)
    • [15].基于粒子群优化的组播路由算法研究[J]. 信息与电脑(理论版) 2017(10)
    • [16].改进的粒子群优化算法的研究[J]. 科技创新与生产力 2017(09)
    • [17].一种改进的粒子群优化算法[J]. 陕西师范大学学报(自然科学版) 2016(02)
    • [18].改进惯性权重的简化粒子群优化算法[J]. 湖北民族学院学报(自然科学版) 2016(01)
    • [19].粒子群优化算法基本研究[J]. 科技经济导刊 2016(21)
    • [20].中心粒子群优化算法[J]. 电子测试 2014(23)
    • [21].基于粒子群优化算法的器件模型表面势求解[J]. 计算机时代 2015(03)
    • [22].具有反向学习和自适应逃逸功能的粒子群优化算法[J]. 计算机应用 2015(05)
    • [23].基于不同学习模型的精英反向粒子群优化算法[J]. 小型微型计算机系统 2015(06)
    • [24].改进惯性权重的粒子群优化算法[J]. 河西学院学报 2020(05)
    • [25].基于粒子群优化算法的算法实现及建筑生形——模拟鸟类觅食形态的建筑雏形设计[J]. 华中建筑 2020(02)
    • [26].基于动态种群的双重学习粒子群优化算法[J]. 南昌工程学院学报 2020(01)
    • [27].基于博弈机制的多目标粒子群优化算法[J]. 计算机工程与设计 2020(04)
    • [28].求解特征值互补问题的基本粒子群优化算法[J]. 内蒙古民族大学学报(自然科学版) 2020(03)
    • [29].进化状态判定与学习策略协同更新的二进制粒子群优化算法[J]. 浙江工业大学学报 2020(05)
    • [30].粒子群优化算法中惯性权重改进策略综述[J]. 渤海大学学报(自然科学版) 2019(03)

    标签:;  ;  ;  ;  

    改进粒子群优化算法在整流变压器设计中的应用研究
    下载Doc文档

    猜你喜欢