The invention provides a method for optimizing the structure of generator stator end windings based on particle swarm optimization and support vector machine. The method comprises the following steps: (1) Finite element analysis is carried out to record the design variables and structural responses for each analysis, which are used as input variables and output variables respectively to obtain the samples needed to establish an approximate model of support vector machine. This point; (2) Initialize the SVM parameters with the obtained sample points as design variables; (3) Select the parameters of SVM and establish the approximate model of SVM with the optimal parameters to predict the structural response; (4) Optimize the approximate model with PSO as optimization algorithm and support vector machine approximate model to obtain the optimal solution; (5) The optimal design variables are substituted into the support vector machine approximation model and the finite element program is used to calculate the optimal solution. The invention uses SVM to establish an accurate approximate model instead of finite element analysis to enhance the optimization efficiency.
【技术实现步骤摘要】
基于粒子群算法和支持向量机的发电机定子端部绕组结构优化方法
本专利技术涉及复杂结构优化算法
,具体为一种基于粒子群算法和支持向量机的发电机定子端部绕组结构优化方法。
技术介绍
随着现代科技的发展,为了合理地利用能源、提高经济效益、保护环境、更好地满足人们生产生活的需要,国内外电力系统日益向大机组、超高压和远距离输电方向发展。因此,电网容量不断增大,单机容量也随之加大,发电机的大容量、大输出是未来发展的必然趋势。大型发电机组则是电力系统的核心,二者是相互影响相互依存的。电站的规模在扩大,电网的结构变得越来越复杂,保证机组、电网等安全稳定运行问题就显得尤为重要。因此电力系统及大型发电机组的稳定问题引起了世界各国的广泛关注。大型汽轮发电机组在运行过程中出现的振动对其使用寿命会产生不利影响。若定子端部绕组在两倍工频电磁力的作用下发生共振,或在电磁力作用下的振动过大,都可能导致端部绕组结构破坏,产生严重的后果。所以,在端部绕组结构的设计中,要求其特定形状的模态对应的固有频率避开共振区域,同时在额定负载电磁力作用下的振动幅值小于规定值。因此,研究端部绕组结构的优化设计方案具有极其重要的理论意义和工程实用价值。端部绕组其结构形式和载荷复杂,结构特性和载荷响应之间关系复杂,若采用经验公式则过于简单,无法精确考虑结构各部分之间的相互影响和响应的局部特性,因而有必要采用有限元方法来进行端部绕组结构分析,来精确分析其结构特性和结构响应,作为结构优化的目标函数或约束特性值。端部绕组结构的有限元通常较为复杂,通过有限元分析得到结构响应往往耗时较长,优化过程中又需要不断调用有限 ...
【技术保护点】
1.一种基于粒子群算法和支持向量机的发电机定子端部绕组结构优化方法,其特征在于,包括以下步骤:(1)进行有限元分析,记录每次分析的设计变量和结构响应,分别作为输入变量和输出变量,得到建立支持向量机近似模型所需的样本点;(2)用所得样本点,以SVM参数为设计变量,进行初始化;(3)进行SVM参数选取,建立具有最优参数的支持向量机近似模型以预测结构响应;(4)以PSO为优化算法,结合支持向量机近似模型进行优化,得到近似模型的优化解;(5)将得到的最优设计变量值代入支持向量机近似模型调用有限元程序进行计算,将计算结果和有限元精确计算结果相比,评判最优解。
【技术特征摘要】
1.一种基于粒子群算法和支持向量机的发电机定子端部绕组结构优化方法,其特征在于,包括以下步骤:(1)进行有限元分析,记录每次分析的设计变量和结构响应,分别作为输入变量和输出变量,得到建立支持向量机近似模型所需的样本点;(2)用所得样本点,以SVM参数为设计变量,进行初始化;(3)进行SVM参数选取,建立具有最优参数的支持向量机近似模型以预测结构响应;(4)以PSO为优化算法,结合支持向量机近似模型进行优化,得到近似模型的优化解;(5)将得到的最优设计变量值代入支持向量机近似模型调用有限元程序进行计算,将计算结果和有限元精确计算结果相比,评判最优解。2.根据权利要求1所述的基于粒子群算法和支持向量机的发电机定子端部绕组结构优化方法,其特征在于,步骤(2)中进行初始化,包括以下步骤:(2.1)设置粒子的位置和速度方程中各个参数,粒子的位置和速度更新公式分别为:其中,xi为第i个粒子的位置,vi为第i个粒子的速度,k为迭代次数,是粒子i直至至第k次迭代的历史最优位置,pk,g是所有粒子直至第k次迭代时的历史最优位置,r1,r2为介于[0,1]之间的随机数,c1,c2为学习因子;(2.2)设置离散设计变量,对离散设计变量优化问题,在每次迭代之后对位置取整,位置更新公式如下式:(2.3)设置粒子最大速度,令最大飞行速度为搜索域变化范围的百分比,vmax=vmax-prec*range(S),其中vmax为最大速度,vmax_prec为比例系数,range(S)为搜索域的变化范围,在搜索过程中,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。