[发明专利]一种基于遗传算法的氦气轮机循环参数优化方法

说明书

一种基于遗传算法的氦气轮机循环参数优化方法，属于氦气轮机循环优化领域，解决了现有氦气轮机循环参数优化方法的优化结果准确性低和耗时长的问题。所述氦气轮机循环参数优化方法包括建立氦气轮机循环模型的步骤、根据氦气轮机循环模型确定作为输入变量的循环参数，并将循环效率作为输出结果，封装氦气轮机模型的步骤、编写M函数对氦气轮机模型进行调用，将氦气轮机模型封装成为氦气轮机函数的步骤、通过遗传算法对封装后的氦气轮机模型进行优化的步骤、判断优化结果是否为最佳函数组合的步骤以及根据最佳函数组合确定最佳循环效率和最佳循环参数组合的步骤。本发明所述的氦气轮机循环参数优化方法适用于对氦气轮机的循环参数进行优化。

技术领域

本发明涉及一种氦气轮机循环参数优化方法，属于氦气轮机循环优化领域。

背景技术

现有的氦气轮机循环参数优化通常采用控制变量法来实现，其具体内容为：将一个循环参数设置为变量，使其他循环参数保持恒定，并根据获得的该循环参数与氦气轮机循环效率的变化曲线确定最佳氦气轮机循环效率对应的该循环参数的最优值。之后，循环上述过程，直至确定每个循环参数的最优值，并将全部循环参数的最优值作为氦气轮机的最佳循环参数组合。然而，由于氦气轮机是一个复杂的闭式循环系统，单一变量最优值的组合并不一定是多变量综合最优组合，即全部循环参数的最优值并不一定是氦气轮机的最佳循环参数组合。因此，现有的氦气轮机循环参数优化方法的优化结果的准确性较低。除此之外，现有的氦气轮机循环参数优化方法因需要确定每个循环参数的最优值而耗时较长。

发明内容

本发明为解决现有氦气轮机循环参数优化方法的优化结果准确性低和耗时长的问题，提出了一种基于遗传算法的氦气轮机循环参数优化方法。

本发明所述的基于遗传算法的氦气轮机循环参数优化方法包括：

步骤一、建立氦气轮机循环模型；

步骤二、根据氦气轮机循环模型确定作为输入变量的循环参数，并将循环效率作为输出结果，封装氦气轮机模型；

步骤三、编写M函数对氦气轮机模型进行调用，将氦气轮机模型封装成为氦气轮机函数；

步骤四、通过遗传算法对封装后的氦气轮机模型进行优化；

步骤五、判断优化结果是否为最佳函数组合，当判断结果为是时，执行步骤六，否则，执行步骤四；

步骤六、根据最佳函数组合确定最佳循环效率和最佳循环参数组合。

作为优选的是，步骤一根据氦气轮机的数学模型和布置方案，在MATLAB/SIMULINK软件上建立氦气轮机循环模型。

作为优选的是，步骤二所述的输入变量的循环参数包括涡轮入口温度、高低压压气机压比、压气机入口温度、回热度、压气机效率和涡轮部件效率。

作为优选的是，步骤四通过M函数编写遗传算法。

作为优选的是，步骤三中M函数将氦气轮机模型封装成为氦气轮机函数的方法包括：

步骤三一、定义函数：function y＝fun(x)；

步骤三二、在函数中加载模型：load_system)；

步骤三三、利用num2str将数值转换为字符串；

步骤三四、利用set_param给定模型的输入；

步骤三五、根据给定的模型输入，加载运行模型进行计算；

步骤三六、运行结束给出结果，关闭模型：close_system。