论文部分内容阅读
核电是我国洁能发电中的重要组成部分,截至2018年核电发电占比仅5.2%,较发达国家相比还有很大距离,因此大力发展核电可以保持产业结构持续优化升级。在核电系统中,核管道是重要组成部分。为了保障核管道的安全和稳定,故有必要对核管道进行载荷识别和优化研究。在回顾和总结目前核管道载荷识别和管道—弹簧支架系统优化的研究现状基础上,运用遗传算法(GA)、多岛遗传算法、BP神经网络和GA—神经网络,研究分析了这4种算法的优劣性。在测试算例中表明,多岛遗传算法较遗传算法收敛速度更快,平均遗传代数降低23.6%;GA-神经网络和BP神经网络在拟合效果上相比,平均误差率从0.96%下降到0.63%。通过建立桁架桥梁的载荷识别模型,在多点瞬态载荷作用下,分析桁架桥梁的位移情况。并根据桥梁位移进行了BP神经网络和GA—神经网络的训练,结果表明在训练100次时拟合效果最好,误差很低。在此基础上,利用SiPESC.FEMS管道分析系统,对核管道瞬态载荷和温度瞬态载荷进行了载荷识别分析,计算结果表明GA—神经网络的训练效果依然很好,平均误差率不到1%。针对实际工程问题中的某出料核管道进行结构分析测试,获得核管道系统的固有频率,响应谱位移和加速度,说明该核管道分析系统具备了复杂实际问题分析能力。进一步,利用SiPESC.FEMS管道分析系统,建立管道—弹簧支架系统模型,通过分析不同弹簧刚度(1000~10000N/mm)下管道的位移和模态。结果表明,随着弹簧刚度增大,管道固有频率降低;在弹簧刚度4000~7000N/mm时,管道位移和系统中最大轴力位置的轴力趋于稳定。又通过分析不同弹簧支架位置(0~1.71m)的变化,得到随着弹簧支架的移动,管道的位移先减小后增大,同时最大轴力处管道的轴力同样是先减小后增大,但与位移不同的是位移的“拐点”是在管道的中部,即在0.855处,而轴力的“拐点”是在0.428处。利用SiPESC.OPT多目标遗传算法,建立了不同载荷、不同弹簧刚度和不同弹簧支架位置的多目标优化模型,进行核管道的多目标优化问题研究。在双目标优化中,通过优化管道最小位移和轴力最大处的最小轴力作为目标函数;后又增加了热膨胀位移作为第三个目标函数,得到了所有解的Pareto前沿。并从优化结果中分析多目标优化和单目标优化的区别。