本发明专利技术公开了一种罐体结构的确定方法、装置、设备和存储介质，所述罐体结构包括多个不同厚度的层板，所述方法包括：基于罐体的底面半径和罐体的侧边材料总质量，建立表征储氢罐体积与质量比值的目标函数；设置粒子群中各个粒子的在不同维度上的初始位置、初始移动速度与约束条件，并基于粒子在不同维度上的约束条件和预设参数更新各个所述粒子的位置和移动速度；基于所述目标函数，将更新后各个所述粒子的位置对应的罐体的体积与质量的比值中的最大值作为目标比值；在所述目标比值满足预设条件的情况下，将所述目标比值对应的目标粒子位置确定为所述目标函数的最优解集。本发明专利技术提供的技术方案，在一定程度上能够提升储氢罐结构设计的效率。构设计的效率。构设计的效率。
【技术实现步骤摘要】
罐体结构的确定方法、装置、电子设备和存储介质
[0001]本专利技术涉及储氢
，具体涉及一种罐体结构的确定方法、装置、电子设备和存储介质。
技术介绍
[0002]随着氢能技术的不断发展，氢气在工业、能源等领域中的应用越来越广泛。储氢罐作为氢气工业生产过程中的关键部件，其性能直接影响到氢能应用的安全性、可靠性和经济性。其中，圆柱形储氢罐具有空间利用率高、制造成本低、方便运输、可维修性好等优点，是储氢罐中较为常见的一种结构形式。现有技术中，对储氢罐进行结构设计优化主要是依靠数值模拟的方法。而数值模拟方法存在着较高的计算复杂度，需要花费较长的计算时间，导致储氢罐结构的设计的周期较长。
技术实现思路
[0003]有鉴于此，本专利技术实施方式提供了一种罐体结构的确定方法、装置、电子设备和存储介质，在一定程度上能够提升储氢罐结构设计的效率。
[0004]本专利技术一方面提供了一种罐体结构的确定方法，所述罐体结构包括多个不同厚度的层板，所述方法包括：基于罐体的底面半径和罐体的侧边材料总质量，建立表征储氢罐体积与质量比值的目标函数；所述侧边材料总质量为罐体结构中各个层板的质量之和；设置粒子群中各个粒子的在不同维度上的初始位置、初始移动速度与约束条件，并基于粒子在不同维度上的约束条件和预设参数更新各个所述粒子的位置和移动速度；所述维度包括罐体各个层板的初始厚度和罐体的初始底面半径；所述预设参数包括：粒子群中粒子的个数、迭代次数、惯性权重、学习因子和迭代步长范围；基于所述目标函数，将更新后各个所述粒子的位置对应的罐体的体积与质量的比值中的最大值作为目标比值；在所述目标比值满足预设条件的情况下，将所述目标比值对应的目标粒子位置确定为所述目标函数的最优解集；所述目标粒子位置用于表征所述罐体各个层板的目标厚度和所述罐体的目标底面半径。
[0005]在一个实施方式中，基于罐体的半径和罐体的侧边总质量，建立表征储氢罐体积与质量比值的目标函数，包括：基于罐体的半径和罐体的高度，生成表征罐体体积的体积函数；基于罐体的侧边材料的密度、罐体的高度与各个层板的厚度，生成表征罐体侧边材料总质量的质量函数；将所述体积函数和所述质量函数相除，得到所述目标函数。
[0006]在一个实施方式中，所述学习因子包括个体学习因子和群体学习因子，设置粒子群中各个粒子的在不同维度上的初始位置、初始移动速度与约束条件，并基于粒子在不同维度上的约束条件和预设参数更新各个所述粒子的位置和移动速度，包括：设置粒子群中各个粒子在不同维度上的初始位置和初始移动速度，以及粒子在不同维度上的取值范围；所述维度的数量为罐体的层板数量和罐体的半径的数量；基于所述惯性权重、所述个体学习因子与所述群体学习因子，以及粒子在不同维度上的取值范围，将所述粒子群中的各个
粒子更新至目标位置。
[0007]在一个实施方式中，所述粒子的取值范围包括各个层板的最大拉应力；基于所述惯性权重、所述个体学习因子与所述群体学习因子，以及粒子在不同维度上的取值范围，将所述粒子群中的各个粒子更新至目标位置，包括：将粒子群中各个粒子的位置对应的粒子向量输入最大拉应力计算模型，得到粒子群中各个粒子的最大拉应力数列；所述最大拉应力数列中包括了各个层板的最大拉应力；基于粒子群中各个粒子的位置对应的向量确定所述罐体在储满氢气的条件下的目标拉应力数列；所述目标拉应力数列中包括罐体在储满氢气的条件下各个层板的目标拉应力；将所述最大拉应力数列中的数值和所述目标拉应力数列中的数值进行一一对比，在最大拉应力均大于或等于目标拉应力的情况下，将所述粒子群中的各个粒子更新至目标位置。
[0008]在一个实施方式中，基于所述惯性权重、所述个体学习因子与所述群体学习因子，以及粒子在不同维度上的取值范围，将所述粒子群中的各个粒子更新至目标位置的步骤之前，所述方法还包括：设置用于表征惯性权重最大值的第一惯性权重，以及设置用于表征惯性权重最小值的第二惯性权重；基于所述第一惯性权重、所述第二惯性权重和所述迭代次数，以及当前迭代次数确定所述惯性权重。
[0009]在一个实施方式中，基于所述目标函数，将更新后各个所述粒子的位置对应的罐体的体积与质量的比值中的最小值作为目标比值，包括：分别计算更新后各个所述粒子的位置对应的罐体的体积与质量的比值；若更新后所述粒子的位置对应的体积与质量的比值均大于所述粒子在更新之前的位置对应的体积与质量的比值，将更新后所述粒子的位置对应的体积与质量的比值作为所述粒子的个体比值；若更新后各个所述粒子的位置对应的体积与质量的比值的最大值均大于各个所述粒子在更新之前的个体比值，将更新后各个所述粒子的位置对应的体积与质量的比值中的最大值作为目标比值。
[0010]在一个实施方式中，在所述目标比值满足预设条件的情况下，将所述目标比值对应的目标粒子位置确定为所述目标函数的最优解集，包括：在所述目标比值和前一次迭代过程中的目标比值之间的差异小于或等于预设差异的情况下，将所述目标比值对应的粒子的位置确定为所述目标函数的最优解集；或者，在所述目标比值迭代更新的次数达到所述迭代次数的情况下，将所述目标比值对应的粒子的位置确定为所述目标函数的最优解集。
[0011]本专利技术另一方面还提供了一种罐体结构的确定装置，所述罐体结构的确定装置包括：目标函数构建单元，用于基于罐体的底面半径和罐体的侧边材料总质量，建立表征储氢罐体积与质量比值的目标函数；所述侧边材料总质量为罐体结构中各个层板的质量之和；位置更新单元，用于设置粒子群中各个粒子的在不同维度上的初始位置、初始移动速度与约束条件，并基于粒子在不同维度上的约束条件和预设参数更新各个所述粒子的位置和移动速度；所述维度包括罐体各个层板的初始厚度和罐体的初始底面半径；所述预设参数包括：粒子群中粒子的个数、迭代次数、惯性权重、学习因子和迭代步长范围；目标比值计算单元，用于基于所述目标函数，将更新后各个所述粒子的位置对应的罐体的体积与质量的比值中的最大值作为目标比值；罐体结构确定单元，用于在所述目标比值满足预设条件的情况下，将所述目标比值对应的目标粒子位置确定为所述目标函数的最优解集；所述目标粒子位置用于表征所述罐体各个层板的目标厚度和所述罐体的目标底面半径。
[0012]本专利技术另一方面还提供了一种电子设备，所述电子设备装置包括处理器和存储
器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的罐体结构的确定方法。
[0013]本专利技术另一方面还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现上述的罐体结构的确定方法。
[0014]通过根据圆柱形储氢罐的特征，基于罐体的底面半径和罐体的侧边材料总质量，建立表征储氢罐体积与质量比值的目标函数，然后设置粒子群中各个粒子的不同层板厚度和底面半径的初始位置和初始移动速度，并且采用粒子群优化算法求解目标函数的最优解，在多次迭代之后，求得的目标比值满足预设条件的情况下，将所述目标比值对应的目标粒子位置确定为所述目标函数的最优解集本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种罐体结构的确定方法，其特征在于，所述罐体结构包括多个不同厚度的层板，所述方法包括：基于罐体的底面半径和罐体的侧边材料总质量，建立表征储氢罐体积与质量比值的目标函数；所述侧边材料总质量为罐体结构中各个层板的质量之和；设置粒子群中各个粒子的在不同维度上的初始位置、初始移动速度与约束条件，并基于粒子在不同维度上的约束条件和预设参数更新各个所述粒子的位置和移动速度；所述维度包括罐体各个层板的初始厚度和罐体的初始底面半径；所述预设参数包括：粒子群中粒子的个数、迭代次数、惯性权重、学习因子和迭代步长范围；基于所述目标函数，将更新后各个所述粒子的位置对应的罐体的体积与质量的比值中的最大值作为目标比值；在所述目标比值满足预设条件的情况下，将所述目标比值对应的目标粒子位置确定为所述目标函数的最优解集；所述目标粒子位置用于表征所述罐体各个层板的目标厚度和所述罐体的目标底面半径。2.根据权利要求1所述的方法，其特征在于，基于罐体的半径和罐体的侧边总质量，建立表征储氢罐体积与质量比值的目标函数，包括：基于罐体的半径和罐体的高度，生成表征罐体体积的体积函数；基于罐体的侧边材料的密度、罐体的高度与各个层板的厚度，生成表征罐体侧边材料总质量的质量函数；将所述体积函数和所述质量函数相除，得到所述目标函数。3.根据权利要求1所述的方法，其特征在于，所述学习因子包括个体学习因子和群体学习因子，设置粒子群中各个粒子的在不同维度上的初始位置、初始移动速度与约束条件，并基于粒子在不同维度上的约束条件和预设参数更新各个所述粒子的位置和移动速度，包括：设置粒子群中各个粒子在不同维度上的初始位置和初始移动速度，以及粒子在不同维度上的取值范围；所述维度的数量为罐体的层板数量和罐体的半径的数量之和；基于所述惯性权重、所述个体学习因子与所述群体学习因子，以及粒子在不同维度上的取值范围，将所述粒子群中的各个粒子更新至目标位置。4.根据权利要求3所述的方法，其特征在于，所述粒子的取值范围包括各个层板的最大拉应力；基于所述惯性权重、所述个体学习因子与所述群体学习因子，以及粒子在不同维度上的取值范围，将所述粒子群中的各个粒子更新至目标位置，包括：将粒子群中各个粒子的位置对应的粒子向量输入最大拉应力计算模型，得到粒子群中各个粒子的最大拉应力数列；所述最大拉应力数列中包括了各个层板的最大拉应力；基于粒子群中各个粒子的位置对应的向量确定所述罐体在储满氢气的条件下的目标拉应力数列；所述目标拉应力数列中包括罐体在储满氢气的条件下各个层板的目标拉应力；将所述最大拉应力数列中的数值和所述目标拉应力数列中的数值进行一一对比，在最大拉应力均大于或等于目标拉应力的情况下，将所述粒子群中的各个粒子更新至目标位置。5.根据权利要求3所述的方法，其特征在于，基于所述惯性权重、所述个体学习因子与
所述群体学习因子，以及粒子在不同维度上的取值范围，将...
【专利技术属性】
技术研发人员：沈稼轩，蒋伟伟，顾玲俐，刘聪，刘毅，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：
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。