基于改进多种群进化算法的临界热流密度关联式设计方法及系统
本发明属于反应堆安全分析,具体涉及基于改进多种群进化算法的临界热流密度关联式设计方法及系统。
背景技术:
1、临界热流密度(critical heat flux,chf)是流动沸腾过程中表征传热安全极限的重要热工水力参数。当加热壁面的热流密度达到或超过chf时,壁面附近的沸腾传热状态可能发生恶化,换热能力显著下降,壁面温度快速升高,进而可能造成传热表面烧损。因此,在核反应堆、蒸汽发生器以及高热流密度换热设备中,chf是热工设计、安全分析和运行裕量评价中的关键参数。
2、以核反应堆为例,chf预测结果直接影响堆芯热工安全裕量和运行功率限值。若chf预测结果过于保守,将导致设计安全裕量偏大,限制反应堆热效率和功率输出;若chf预测结果偏高,则可能低估传热恶化风险,使实际运行工况接近安全边界。因此,建立准确、稳定且便于工程应用的chf预测方法具有重要意义。
3、现有chf预测方法主要包括经验关联式、机理模型、查表法以及机器学习方法。其中,机理模型通常从近壁汽泡壅塞、微液膜蒸干等物理过程出发描述chf发生条件,但由于chf受两相流型、几何以及流动状态等多因素影响,现有机理模型往往需要引入较多简化假设,难以统一描述宽参数范围及多工质条件下的chf行为。
4、查表法基于大量实验数据建立离散预测表,在特定数据覆盖范围内具有较好的工程稳定性。然而,查表法通常依赖标准几何及经验修正因子;当待预测工况涉及非标准几何或非水工质时,其外推可靠性和适用性受到限制。
5、近年来,神经网络、支持向量机等机器学习方法被用于chf预测,并在部分数据集上表现出较高预测精度。但此类方法通常属于黑箱模型,难以输出明确的显式数学表达式,模型内部机理不透明,不利于工程审查以及热工水力分析程序的嵌入。
6、因此,在工程应用中,显式chf关联式仍具有重要价值。现有chf经验关联式通常基于特定实验数据和预设函数形式建立,具有形式简单、计算效率高、便于工程程序调用等优点。然而,其公式结构通常依赖研究人员经验预设,难以充分挖掘chf数据中复杂的非线性耦合关系;同时,当工质类型、几何尺度或运行参数范围发生变化时,现有关联式的预测精度和泛化能力可能明显下降。
技术实现思路
1、本发明提供了基于改进多种群进化算法的临界热流密度关联式设计方法及系统,目的是在不预先限定固定公式结构的情况下,从chf实验数据中自动搜索显式数学表达式,并结合物理参数无量纲化、复杂度控制和物理趋势一致性检查,获得形式简洁、预测精度较高且具有工程可解释性的chf关联式。
2、为了实现上述目的,本发明采用如下技术方案:
3、基于改进多种群进化算法的临界热流密度关联式设计方法,包括:
4、s1,获取并整理目标几何chf实验数据;
5、s2,对整理后的chf实验数据进行筛选;
6、s3,基于筛选后的chf实验数据,构造无量纲输入特征参数与无量纲输出目标参数,包括:
7、将原始有量纲变量转换为无量纲输入特征群,并采用mmd评价不同无量纲特征组合下水工质样本与氟利昂类工质样本之间的分布差异,mmd定义如下:
8、
9、
10、式中,
a,
b代表水和氟利昂实验数据的整体,在任一无量纲特征组合下,
ai是对应的水工质个体,
bj是氟利昂类工质个体,
n为水工质数据数量,
m为氟利昂类工质数据数量,
k(,)为核函数,采用高斯径向基核函数,
u和
v为同一候选特征空间中的两个样本点,
γ为核函数带宽参数;
11、对无量纲输入特征群进行标准化处理,计算任一无量纲特征组合下水工质数据与氟利昂数据之间的mmd值,结合mmd值和物理常识确定无量纲特征组合(
x1,
x2,
x3,
x4)作为关联式的无量纲输入特征参数,以沸腾数bo作为无量纲输出目标参数,沸腾数定义为:
12、
13、式中,bo为沸腾数,
qchf为临界热流密度,
g为质量流速、
hfg为汽化潜热;
14、s4,基于筛选后的chf实验数据,划分训练集和测试集;
15、s5,基于改进多种群进化算法结合无量纲输入特征参数、无量纲输出目标参数和训练集设计chf关联式;
16、s6,通过测试集评价chf关联式预测性能,从候选关联式中确定设计的chf关联式。
17、本发明进一步的改进在于,步骤s1中,获取并整理目标几何chf实验数据,包括:
18、获取目标几何的chf实验数据,所述chf实验数据包括工质类型、系统压力
p、质量流速
g、几何尺寸、进口热状态、临界含汽率
xcr以及实验临界热流密度
qchf。
19、本发明进一步的改进在于,步骤s2中,对整理后的chf实验数据进行筛选,包括物理边界筛选、热平衡检查和重复数据剔除。
20、本发明进一步的改进在于,步骤s4中,基于筛选后的chf实验数据,按照8:2比例进行随机划分训练集和测试集。
21、本发明进一步的改进在于,步骤s5中,基于改进多种群进化算法设计chf关联式,包括:
22、s5.1,构建表达式搜索空间与初始化
23、将chf关联式表示为树形式;设定初代种群数量为
m,每个种群包含的chf关联式个体数量
n,chf关联式个体由无量纲输入特征参数与数学算子集随机生成;
24、s5.2,chf关联式种群内部演化
25、对于任一种群popi,从中随机抽取
k个chf关联式个体分别计算cost值;cost值定义式如下:
26、
27、式中,
c为复杂度,为复杂度惩罚系数,
loss为chf关联式个体在训练集上的预测损失,
lbaseline为chf关联式个体在训练集上的预测损失的平均值;
28、
loss和
lbaseline计算式如下:
29、
30、
31、式中,下标pre和mea分别代表预测bo数和实验bo数,
i代表第
i条实验数据,
δ为损失函数阈值;定义如下:
32、
33、式中,为实验bo数的平均值;
34、将
k个chf关联式个体按照cost值由小到大排序;排序越靠前,作为父代的概率越高;
35、选定父代后,执行交叉操作或变异操作,形成新的子代chf关联式;
36、生成子代后,判断其是否满足最大复杂度小于50且任意两个非线性数学算子之间的嵌套次数不超过1;若不满足,则重新生成子代;若满足,则对chf关联式个体进行表达式化简和常数优化;
37、将新生成的子代chf关联式个体加入当前种群,并根据预设策略替换种群中的已有关联式;
38、返回s5.2开始,重复直至达到预设轮数;并对种群1至
m重复执行s5.2操作;
39、s5.3,chf关联式种群之间迁移
40、对种群中的个体进行cost值由低到高排序;
41、对各种群的chf关联式个体依次执行两次迁移操作;
42、迁移操作完成后,返回s5.2开始;
43、s5.4,终止与输出
44、当满足以下任一条件时,终止s5.2和s5.2步骤:(1)达到预设最大迭代次数;(2)某一chf关联式个体预测损失低于预设阈值。
45、本发明进一步的改进在于,步骤s6中,通过测试集评价chf关联式预测性能,包括:
46、为评价候选chf关联式集合中的个体预测性能,采用整体预测性能评价与典型参数切片趋势检查两种方式进行chf关联式个体优选。
47、基于改进多种群进化算法的临界热流密度关联式设计系统,包括:
48、数据获取单元,用于获取并整理目标几何chf实验数据;
49、数据筛选单元,用于对整理后的chf实验数据进行筛选;
50、参数构造单元,基于筛选后的chf实验数据,构造无量纲输入特征参数与无量纲输出目标参数,包括:
51、将原始有量纲变量转换为无量纲输入特征群,并采用mmd评价不同无量纲特征组合下水工质样本与氟利昂类工质样本之间的分布差异,mmd定义如下:
52、
53、
54、式中,
a,
b代表水和氟利昂实验数据的整体,在任一无量纲特征组合下,
ai是对应的水工质个体,
bj是氟利昂类工质个体,
n为水工质数据数量,
m为氟利昂类工质数据数量,
k(,)为核函数,采用高斯径向基核函数,
u和
v为同一候选特征空间中的两个样本点,
γ为核函数带宽参数;
55、对无量纲输入特征群进行标准化处理,计算任一无量纲特征组合下水工质数据与氟利昂数据之间的mmd值,结合mmd值和物理常识确定无量纲特征组合(
x1,
x2,
x3,
x4)作为关联式的无量纲输入特征参数,以沸腾数bo作为无量纲输出目标参数,沸腾数定义为:
56、
57、式中,bo为沸腾数,
qchf为临界热流密度,
g为质量流速、
hfg为汽化潜热;
58、数据集划分单元,基于筛选后的chf实验数据,划分训练集和测试集;
59、chf关联式设计单元,基于改进多种群进化算法结合无量纲输入特征参数、无量纲输出目标参数和训练集设计chf关联式;
60、chf关联式测试单元,用于通过测试集评价chf关联式预测性能,从候选关联式中确定设计的chf关联式。
61、本发明进一步的改进在于,数据获取单元中,获取并整理目标几何chf实验数据,包括:
62、获取目标几何的chf实验数据,所述chf实验数据包括工质类型、系统压力
p、质量流速
g、几何尺寸、进口热状态、临界含汽率
xcr以及实验临界热流密度
qchf。
63、本发明进一步的改进在于,数据筛选单元中,对整理后的chf实验数据进行筛选,包括物理边界筛选、热平衡检查和重复数据剔除。
64、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时实现所述的基于改进多种群进化算法的临界热流密度关联式设计方法的步骤。
65、与现有技术相比,本发明至少具有以下有益的技术效果:
66、(1)本发明的无量纲特征输入参数结合mmd值和物理常识确定,可择优选取不同工质样本分布差异最小的无量纲特征组合,避免了盲目选取,有利于降低不同工质间物性差异和变量量纲差异对关联式设计的影响;
67、(2)本发明通过普通种群迁移和精英种群迁移实现不同种群之间的表达式结构交流,避免陷入局部最优;
68、(3)本发明综合考虑了关联式及其各数学算子的复杂度、不同来源实验数据分布分散等问题,特使用由式(8)-式(11)描述的cost值进行种群内部演化过程寻优,保证所设计的chf关联式具有较高预测精度的同时具有简洁性;
69、(4)与传统经验关联式相比,本发明不需要预先设定固定公式结构,而是通过改进多种群进化算法自动搜索无量纲特征之间的非线性组合关系,能够降低人为设定公式结构对关联式预测性能的影响。与黑箱机器学习模型相比,本发明输出显式数学关系,可直接嵌入热工水力计算程序,不需要移植复杂机器学习模型结构,便于工程审查、程序维护和安全分析应用。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com