[发明专利]一种基于遗传算法的中子管加速系统优化方法

说明书

本发明公开了一种基于遗传算法的中子管加速系统优化方法，首先以中子管加速系统的几何结构参数为待优化参数，随机生成N个二进制数表示待优化参数，成为一个个体，构成初始种群，构建中子管加速系统几何模型，计算遗传个体对应的中子管加速系统束流性能指标，建立目标函数；以目标函数值来度量遗传个体的适应度；迭代进行遗传操作，生成新种群，计算新种群每个个体的适应度，直至满足迭代停止条件，输出最优解，作为待优化参数的取值；本发明利用有限元法计算中子管加速系统的束流性能指标，然后应用遗传算法，将中子管加速系统的束流性能作为目标，对中子管加速系统的几何结构参数进行全局寻优，从而得到优化几何结构参数下的中子管加速系统。

技术领域

本发明属于中子管加速系统技术领域，特别涉及一种基于遗传算法的中子管加速系统优化方法。

背景技术

中子管是一种小型加速器，其是将离子源、加速器、靶和储存器全密封在玻璃真空管或陶瓷真空管中；具有结构紧凑、安全性高、使用方便等优点；目前，中子管广泛应用于中子照相、中子治疗及石油测井等领域。

中子管加速系统从离子源等离子体引出束流，通过电场力对束流的聚焦、加速，影响了最终到达靶面的束流性能；其中，束流强度和均匀度为评价束流性能的重要指标；现有技术中，通常采用有限元模拟方法，对加速系统的结构进行参数优化，提高束流的均匀度，进而提高中子管的性能；而现有技术中，仅采用有限元模拟方法进行参数优化时，常常无法得到最优解，导致束流均匀度较低，损伤靶的使用寿命和性能，进而影响中子管的寿命和性能。

发明内容

针对现有技术中存在的技术问题，本发明供了一种中子管加速系统优化设计方法及中子管加速系统，以解决现有技术仅采用有限元模拟方法进行中子管加速系统参数优化时，常常无法得到最优解，导致束流均匀度较低，进而影响中子管的寿命和性能的技术问题。

为达到上述目的，本发明采用的技术方案为：

本发明提供了一种基于遗传算法的中子管加速系统优化方法，包括以下步骤：

步骤1、初始化

以中子管加速系统的几何结构参数为待优化参数，随机生成N个二进制数表示待优化参数，成为一个个体，构成初始种群；

步骤2、计算个体适应度

将获得的二进制数进行转换，生成十进制表示的中子管加速系统几何结构参数；根据十进制表示的中子管加速系统几何结构参数，构建中子管加速系统几何模型；采用有限元法，计算遗传个体对应的中子管加速系统的束流性能指标；

根据中子管加速系统的束流性能指标，建立目标函数；然后以目标函数值来度量遗传个体的适应度；

步骤3、迭代进行遗传操作，生成新种群，计算新种群每个个体的适应度，直至满足迭代停止条件，输出满足迭代停止条件时的最优解，作为待优化参数的取值，并按照待优化参数的取值制作中子管加速系统。

进一步的，步骤1中，待优化参数包括中子管加速系统的加速间隙、加速电极极小径、加速电极长度、引出极孔径、磁环坡口径、导磁筒坡口径及加速电极孔径。

进一步的，步骤2中，遗传个体对应的中子管加速系统的束流性能指标包括束流不均匀度、束流脱靶数及束流半径；

目标函数的数学表达式为：

目标函数ObjV＝target/base+outtarget；

其中，target为束流不均匀度；outtarget为束流脱靶数、base为束流半径；目标函数值越小，表示遗传个体的适应度越优良；

其中，束流不均匀度target的数学表达式为：