遗传算法及其在特种变压器优化设计中的应用研究

论文题目: 遗传算法及其在特种变压器优化设计中的应用研究

论文类型: 博士论文

论文专业: 电力电子与电力传动

作者: 王竹荣

导师: 崔杜武

关键词: 优化数学模型,预处理,动态编码,培育算子,基于知识的自适应遗传算法,软件结构框架

文献来源: 西安理工大学

发表年度: 2005

论文摘要: 特种变压器电磁参数的优化设计是一个带有等式和不等式约束,满足某种设计目标的非线性规划问题。本文对特种变压器电磁参数优化的数学模型的预处理、优化方法及软件体系结构框架等内容进行研究。本文的主要研究工作如下: 1)建立特种变压器电磁参数优化设计的数学模型,提出了对它进行预处理的两种方法。一种是分段决策的处理方法,它将一个复杂的工程优化问题分解为若干简单的问题。另一种是对模型中目标函数、优化变量及约束因子进行规范化处理的方法。通过对特种变压器优化数学模型进行相应的预处理,方便了遗传算法的设计和实现,简化了优化过程,并使遗传算法的整体性能在较大程度上得到提高。 2)提出一种基于码表的动态编码的理论与方法。其基本思想是通过知识的指导,构建一种用于编码的参照表——码表;继而用动态与静态相结合的方法对变量进行编码。通过动态编码,有效地缩小了解的搜索空间,提高了最优解的质量,并在一定的程度上增强了编码的通用性。 3)提出一种新的遗传算子——培育算子。该算子使遗传操作能以较大的概率保持进化中表征优良特性的基因片段:使遗传操作朝最有希望获得最优解的方向进行。培育算子在算法执行的初期,能快速地提高个体的适应值,而在遗传操作的后期,对维持种群中个体的多样性有较大的贡献。 4)提出一种基于知识的自适应遗传算法(A Self-Adaptation Genetic

论文目录:

1 绪论

1．1 本研究领域的发展现状、水平及存在的问题

1．1．1 国内外研究现状

1．1．2 智能优化系统中要解决的问题

1．2 遗传算法及其基本原理

1．2．1 遗传算法的概述

1．2．2 遗传算法的基本结构

1．2．3 遗传算法的基本原理

1．2．5 遗传算法的改进

1．3 本课题的研究目的及意义

1．4 本文研究的思路及主要内容

1．4．1 研究思路

1．4．2 本文主要内容

2 特种变压器概述与电磁参数设计

2．1 特种变压器的概述

2．2 铁心直径计算

2．2．1 按每柱容量选择铁心直径

2．2．2 按低压绕组匝数选择铁心直径

2．3 绕组匝数计算

2．3．1 不需调压时绕组匝数的计算

2．3．2 变磁通调压时绕组匝数的计算

2．4 绕组型式选择

2．4．1 高压绕组

2．4．2 低压绕组

2．4．3 调压绕组

2．5 线匝排列

2．5．1 高低压绕组

2．5．2 调压绕组

2．6 绕组尺寸计算

2．6．1 圆筒式绕组

2．6．2 饼式绕组

2．6．3 螺旋式绕组

2．7 电压比校核

2．8 空载损耗和空载电流的计算

2．8．1 空载损耗的计算

2．8．2 空载电流的计算

2．9 负载损耗和阻抗电压的计算

2．9．1 负载损耗的计算

2．9．2 阻抗电压的计算

2．10 效率计算

2．11 温升计算

2．11．1 油自然循环冷却下圆筒式绕组的温升计算

2．11．2 油自然循环冷却下饼式绕组的温升计算

2．11．3 强油循环冷却下饼式绕组的温升计算

2．11．4 油自然循环冷却下油对空气的温升计算

2．12 重量计算

2．13 特种变压器设计中存在的问题与难点

3 特种变压器的优化数学模型及预处理

3．1 特种变压器优化数学模型

3．1．1 目标函数

3．1．2 优化变量

3．1．3 约束条件

3．2 优化数学模型的预处理

3．2．1 优化数学模型的处理

3．2．2 工程优化数学模型的预处理

3．3 分段决策法

3．3．1 决策准则

3．3．2 分段决策法

3．3．3 分段决策法在特种变压器线圈优化设计中的应用

3．3．4 分段决策法在特种变压器优化设计中的应用

3．3．5 分段决策法处理的优点及局限性

3．4 目标函数的预处理

3．4．1 常用的处理方法

3．4．2 对不同优化目标进行复合的预处理方法

3．4．3 一种基于交互的多目标函数的处理方法

3．5 优化变量的预处理

3．5．1 定义域空间及特点

3．5．2 最有希望解空间

3．6 约束的预处理

3．6．1 约束处理的方法

3．6．2 惩罚函数法

3．6．3 修正法

3．7 预处理对优化算法性能的影响

3．7．1 算法的性能指标

3．7．2 优化变量的预处理对搜索空间的影响

3．7．3 不同约束预处理方法对算法性能的影响

3．7．4 结论与分析

3．8 本章小结

4 一种新的动态编码方法的研究

4．1 编码的表示

4．1．1 编码的作用

4．1．2 常用的编码方法及特点

4．2 知识作用机理与码表的构造

4．2．1 知识的作用机理

4．2．2 码表的构造

4．3 码表中若干问题的进一步分析

4．4 基于码表的动态编码的实现

4．5 知识对编码压缩率及最优解质量的影响

4．6 动态编码的应用

4．7 本章小结

5 遗传算子的研究

5．1 基本遗传算子的概述

5．2 培育算子的研究

5．2．1 培育算子的机理

5．2．2 优良基因及其属性

5．2．3 培育算子的构造

5．2．4 影响培育算子的因素

5．2．5 培育操作中的一般结论

5．3 杂交、变异算子及其改进

5．3．1 杂交算子

5．3．2 变异算子

5．3．3 保持好的基因特性的杂交、变异算子的设计

5．4 仿真数据与分析

5．4．1 培育算子对算法性能的影响

5．4．2 培育概率算法性能的影响

5．5 本章小结

6 一种基于知识自适应遗传算法(SAKGA)

6．1 SAKGA及算法描述

6．1．1 知识的作用机理

6．1．2 SAKGA描述及流程图

6．2 选择策略及评价体系

6．2．1 常用的选择方法

6．2．2 SAKGA的选择策略

6．2．3 SAKGA的评价体系

6．3 优良基因的提取

6．3．1 初始情况下优良基因的发现和提取

6．3．2 遗传操作中优良基因的自适应提取

6．4 SAKGA的收敛性

6．4．1 遗传算法的收敛性

6．4．2 影响SAKGA收敛性的因素

6．4．3 引入码表机理的动态编码方法对算法收敛性的影响

6．4．4 培育算子对算法收敛性的影响

6．4．5 SAKGA的收敛性

6．5 应用实例与分析

6．5．1 优化数学模型

6．5．2 算法设计与实现

6．5．3 算法操作

6．5．4 优化数据

6．5．5 研究结论

6．6 本章小结

7 一种新的软件体系结构框架(SAFEOP)的研究

7．1 软件结构框架的概念

7．2 传统软件结构框架

7．3 SAFEOP的构建与分析

7．3．1 预处理

7．3．2 基于知识的参数生成器

7．3．3 仿真器

7．3．4 评价体系

7．3．5 模块之间的通信机制

7．4 SAFEOP应用实例与分析

7．4．1 应用实例

7．4．2 研究结论

7．5 本章小结

8 特种变压器优化应用系统的研制

8．1 系统的总体结构设计

8．2 应用实现

8．2．1 原型系统

8．2．2 在原型系统的基础上逐步完善与集成

8．2．3 系统的测试与完善

8．3 工程数据库的设计

8．3．1 数据库的一般概念

8．3．2 工程数据库的定义与特性

8．3．3 工程数据库的数据模型

8．3．4 特种变压器工程数据库的结构

8．3．5 特种变压器工程数据库的设计与实现

8．4 知识库的建立与完善

8．5 本章小结

工作总结与展望

致谢

参考文献

在校学习期间所发表的论文

发布时间: 2005-12-23

遗传算法及其在特种变压器优化设计中的应用研究

猜你喜欢