一种基于遗传算法的丁胞型直翅片结构优化方法技术

本发明专利技术公开了一种基于遗传算法的丁胞型直翅片结构优化方法，属于发动机散热技术领域，所述基于遗传算法的丁胞型直翅片结构优化方法包括以下步骤：S1：读入翅片结构的原始数据，同时读取遗传算法的运行参数；S2：采用矩阵编码的方法应用在遗传算法中；S3：随机生成Popsize个经过矩阵编码的个体，作为初始种群；S4：对初始种群中的个体分别进行解码，并基于火积耗散极值原理，利用适应度函数，对翅片结构进行有限元分析，计算初始种群中个体的适应度。本发明专利技术中，基于遗传算法和火积耗散极值原理，用于丁胞型翅片散热结构的寻优，并能够辅助设计者设计新型翅片丁胞结构，系统地优化丁胞结构的布置，便于获得最优散热性能。便于获得最优散热性能。便于获得最优散热性能。

【技术实现步骤摘要】
一种基于遗传算法的丁胞型直翅片结构优化方法


[0001]本专利技术属于发动机散热
，尤其涉及一种基于遗传算法的丁胞型直翅片结构优化方法。

技术介绍

[0002]随着发动机性能强化程度的提高，发动机面临着高热负荷的挑战。风冷式发动机散热主要依靠高速冷却气流冲刷发动机外表面带走大量热量。为了增大接触面积，其外表面增加散热翅片，同时翅片的存在也加大了对气流的扰动，增强了发动机的换热能力。为了满足现有高性能发动机的需求，各种仿生结构翅片逐渐被提出。丁胞型翅片是基于丁胞型强化换热管的结构设计，在原有直翅片的基础上，在表面添加凹坑或凸包结构以强化传热。
[0003]丁胞是英语dimple的音译，意为酒窝、涟漪和浅凹，常用来表示凹坑或者凸包结构的排列。丁胞强化传热技术研究起源于20世纪80年代的苏联，称其为旋风式冷却，近年来其作为一项新型的强化换热技术和冷却技术受到了越来越多的重视。对于丁胞型强化传热技术，除了有效换热面积增加外，丁胞的存在破坏了来流边界层，产生了不同尺度的漩涡，漩涡的存在使得壁面热量的散失速率加快，从而能够增大壁面换热系数，丁胞内的上游由于气流分离导致表面换热系数较低，下游由于气流的再附着和三维涡旋的产生导致换热增强。与此同时，丁胞的出现也引起了涡旋死区，降低了换热效果，因此，应该合理优化设计，才能达到强化传热的效果。
[0004]近年来，传热优化理论取得了长足的进步，过增元等技术人员通过热电比拟定义了用来描述传递热量能力的新物理量“火积”。火积概念的提出填补了传热优化过程中基本物理量的空白，解释了传热的本质属性，基于火积耗散极值原理的传热优化开辟了传热优化的新方向。基于火积耗散率的定义，导热过程中“火积耗散极值原理”可以表述为：对于具有一定的约束条件并给定热流边界条件时，当火积耗散最小时，导热过程最优平均温差最小；在给定温度边界条件时，火积耗散最大，则导热过程最优平均热流最大。
[0005]遗传算法是根据大自然中生物进化规律而设计提出的，是一种通过模拟自然进化过程搜索最优解的方法，基本思想可以描述如下：遗传算法对于问题的求解是在种群的基础展开的。种群由经过基因编码的一定数目的个体组成，代表了问题的可能潜在解集。染色体作为遗传物质的主要载体，其内部表现即基因型是某种基因的组合，它决定了个体形状的外部表现表现型。因此，在一开始就需实现从表现型到基因型的映射，即编码工作。在初始种群产生之后，按照适者生存和优胜劣汰的原理，逐代进化产生出越来越好的近似解。在每一代，根据问题域中个体的适应度大小选择个体，并借助遗传算子进行交叉和变异，产生出代表新解集的种群。当计算结束后，对末代种群中的最优个体编码，得到问题的近似最优解。基本遗传算法中一般包含了五个基本要素：参数编码、初始种群的生成、适应度函数的设计、基本遗传操作设计以及运行控制参数的设定。
[0006]遗传算法以决策变量的编码作为运算对象，可以直接对集合、序列、矩阵、树、图等结构对象进行操作，方便遗传操作算子的运用。同时遗传算法的搜索过程是从一个具有多
个个体的初始群体开始，可以有效地避免搜索一些不必搜索的点，同时，遗传算法的群体搜索特性也可以避免出现传统单点搜索方法对多峰分布的搜索空间进行搜索时陷入局部单峰极值点问题，具有较好的并行性和全局搜索性。
[0007]现有技术中，丁胞结构通过增强对流体的扰动破坏边界层以达到强化传热的效果，但丁胞的存在也导致了涡旋死区的存在，且在后续中很难系统地优化丁胞结构的布置，进而无法获得最优散热性能。
[0008]基于此，本专利技术设计了一种基于遗传算法的丁胞型直翅片结构优化方法，以解决上述问题。

技术实现思路

[0009]本专利技术的目的在于：为了解决现有技术中，丁胞结构通过增强对流体的扰动破坏边界层以达到强化传热的效果，但丁胞的存在也导致了涡旋死区的存在，且在后续中很难系统地优化丁胞结构的布置，进而无法获得最优散热性能的问题，而提出的一种基于遗传算法的丁胞型直翅片结构优化方法。
[0010]为了实现上述目的，本专利技术采用了如下技术方案：一种基于遗传算法的丁胞型直翅片结构优化方法，所述基于遗传算法的丁胞型直翅片结构优化方法包括以下步骤：S1：读入翅片结构的原始数据，同时读取遗传算法的运行参数；S2：采用矩阵编码的方法应用在遗传算法中；S3：随机生成Popsize个经过矩阵编码的个体，作为初始种群；S4：对初始种群中的个体分别进行解码，并基于火积耗散极值原理，利用适应度函数，对翅片结构进行有限元分析，计算初始种群中个体的适应度；S5：根据初始种群中个体的适应度，对初始种群进行选择、交叉与变异，并记录最优个体及其适应度；S6：若连续几代最优个体的适应度值相等或已经达到最大进化代数，算法终止，否则返回到步骤S4中。
[0011]作为上述技术方案的进一步描述：所述翅片结构的原始数据包括节点数、单元数、边界条件、约束情况以及结构尺寸，所述遗传算法的运行参数包括种群规模Popsize、交叉概率P
c
、变异概率P_m以及最大进化代数Maxgen。
[0012]作为上述技术方案的进一步描述：所述采用矩阵编码的方法应用在遗传算法中具体包括：矩阵编码是使用一个m
×
n矩阵来表示种群中的个体，该m
×
n矩阵由m
×
n个0和1组成，其中：0表示该位置为凹坑结构，1表示该位置为凸包结构，m和n的值由翅片表面丁胞结构的数量决定，m代表翅片表面丁胞结构的列数，n代表行数。
[0013]作为上述技术方案的进一步描述：所述适应度函数为：
其中，为物体的定容热容量，和T是温度，即热势，由此得到了单位时间单位体积内火积的耗散，称为火积耗散函数：式中，为热流密度矢量，
∇
T是温度梯度；整个控制体体积中的火积耗散率为：式中，为控制体的体积。
[0014]作为上述技术方案的进一步描述：所述翅片结构的有限元分析具体包括建模及前处理、网格划分及网格无关性验证、边界条件的确定和施加以及数值模拟计算。
[0015]作为上述技术方案的进一步描述：所述根据初始种群中个体的适应度，对初始种群进行选择、交叉与变异，并记录最优个体及其适应度具体包括以下步骤：选择采用轮盘赌选择法，具体操作过程为：首先计算出群体中所有个体的适应度总和，其中Popsize是种群规模，是个体j的适应度；然后计算每个个体的适应度与种群总适应度的比值，即为每个个体被遗传到下一代群体的概率；最后模拟赌盘操作，每次选择产生一个0到1之间的随机数来确定每个个体被选中的次数。
[0016]作为上述技术方案的进一步描述：所述变异采用基本位变异算子，基本操作是将基因编码矩阵中的某一个数由0变成1或由1变成0，所述交叉采用多点交叉算子，在个体编码矩阵中随机设定多个交叉点，实行交叉时，两个个体交叉点编码相互交换，并产生两个新的个体。
[0017]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术中，基于遗传算法和火积耗散极值原理，用于丁胞型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的丁胞型直翅片结构优化方法，其特征在于，所述基于遗传算法的丁胞型直翅片结构优化方法包括以下步骤：S1：读入翅片结构的原始数据，同时读取遗传算法的运行参数；S2：采用矩阵编码的方法应用在遗传算法中；S3：随机生成Popsize个经过矩阵编码的个体，作为初始种群；S4：对初始种群中的个体分别进行解码，并基于火积耗散极值原理，利用适应度函数，对翅片结构进行有限元分析，计算初始种群中个体的适应度；S5：根据初始种群中个体的适应度，对初始种群进行选择、交叉与变异，并记录最优个体及其适应度；S6：若连续几代最优个体的适应度值相等或已经达到最大进化代数，算法终止，否则返回到步骤S4中。2.根据权利要求1所述的基于遗传算法的丁胞型直翅片结构优化方法，其特征在于，所述翅片结构的原始数据包括节点数、单元数、边界条件、约束情况以及结构尺寸，所述遗传算法的运行参数包括种群规模Popsize、交叉概率P
c
、变异概率P_m以及最大进化代数Maxgen。3.根据权利要求1所述的基于遗传算法的丁胞型直翅片结构优化方法，其特征在于，所述采用矩阵编码的方法应用在遗传算法中，具体包括：矩阵编码是使用一个m
×
n矩阵来表示种群中的个体，该m
×
n矩阵由m
×
n个0和1组成，其中：0表示该位置为凹坑结构，1表示该位置为凸包结构，m和n的值由翅片表面丁胞结构的数量决定，m代表翅片表面丁胞结构的列数，...

【专利技术属性】
技术研发人员：张俊红，王西博，戴胡伟，林杰威，
申请(专利权)人：天津大学，
类型：发明
国别省市：