汽車(chē)輪轂有限元分析本科畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告模板(編輯修改稿)
2024-11-13 11:10 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 系列單階段最優(yōu)決策問(wèn)題來(lái)求解，這樣就大大減少了工作量，對(duì)指標(biāo)函數(shù)求極值問(wèn)題大為簡(jiǎn)化，而且 一旦找到最優(yōu)決策序列，就是全局最優(yōu)解。 它的收斂性能優(yōu)良、結(jié)果穩(wěn)定，在實(shí)際系統(tǒng)中得到廣泛應(yīng)用。動(dòng)態(tài)規(guī)劃法的缺陷有 :計(jì)算量太大，必須采用近似方法加以簡(jiǎn)化，這樣不可避免的要丟失最優(yōu)解 。要求求解的問(wèn)題具有明顯的階段性，難于考慮與時(shí)間有關(guān)的約束條件和機(jī)組功率變化速率等限制 。通盤(pán)考慮整個(gè)系統(tǒng)的問(wèn)題時(shí)，使用起來(lái)不夠靈活。 神經(jīng)網(wǎng)絡(luò)困 euralNetwork)優(yōu)化計(jì)算方法的主要思想是 :利用非線性大規(guī)模動(dòng)力系統(tǒng)的特征，將優(yōu)化計(jì)算問(wèn)題映射為神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)演化過(guò)程，這時(shí)優(yōu)化問(wèn)題的目標(biāo)函數(shù)就被映射為神經(jīng)網(wǎng)絡(luò)的能 量函數(shù)。由于神經(jīng)網(wǎng)絡(luò)能量函數(shù)的極小點(diǎn)對(duì)應(yīng)于系統(tǒng)的穩(wěn)定平衡點(diǎn)，于是求解能量函數(shù)極小點(diǎn)變換成求解系統(tǒng)的穩(wěn)定平衡點(diǎn)。任意給定系統(tǒng)一個(gè)初始狀態(tài)，隨著時(shí)間的演化，網(wǎng)絡(luò)的運(yùn)動(dòng)軌道總是在相空間中朝著能量函數(shù)減小的方向運(yùn)動(dòng)，最終達(dá)到系統(tǒng)的平衡點(diǎn)。這樣，優(yōu)化問(wèn)題也就在網(wǎng)絡(luò)系統(tǒng)的演化中悄悄完成了。神經(jīng)網(wǎng)絡(luò)優(yōu)化方法是一種比較新的優(yōu)化方法，在許多領(lǐng)域得到了充分利用，但其美中不足的是在優(yōu)化過(guò)程中，其最優(yōu)解容易陷入局部最優(yōu)的循環(huán)中，從而影響了優(yōu)化結(jié)果的優(yōu)良勝。 遺傳算法 (GeicAlgorit 加 m)是一種在思想上和方法上都很新 的全局搜索優(yōu)化方法，以其簡(jiǎn)單通用、方法靈活、魯棒性強(qiáng)、適合于并行處理和適應(yīng)性好 為 件為止。要求總煤耗目標(biāo)函數(shù)為嚴(yán)格凸函數(shù)，即各機(jī)組的煤耗、煤耗微增率曲線要為單調(diào)遞增且可微的 :同時(shí)，由于對(duì)微增率曲線有嚴(yán)格的精度要求，在計(jì)算處理過(guò)程中則有可能出現(xiàn)失真的情況。這兩點(diǎn)在一定程度上影響了等微增率法的可信度。 優(yōu)先順序法 (Priorityhst)是較早出現(xiàn)的一種解決機(jī)組組合和負(fù)荷分配的算法，它將系統(tǒng)可調(diào)度的機(jī)組按照某種經(jīng)濟(jì)特性指標(biāo)事先排出順序，然后根據(jù)系統(tǒng)負(fù)荷大小，按這種順序依次給各臺(tái)機(jī)組加載負(fù)荷。最初的優(yōu)先順 序法在排序的過(guò)程中不考慮負(fù)荷的變化，是一種靜態(tài)的排序策略。文獻(xiàn)【 10』中提出了一種改進(jìn)的優(yōu)先順序方法，它是在經(jīng)典優(yōu)先順序法的基礎(chǔ)上，加上一些定量約束條件和一些定性啟發(fā)式原則，其中加入了一些啟發(fā)式原則，如盡量不安排開(kāi)停機(jī)調(diào)峰，盡量讓上網(wǎng)電價(jià)低的機(jī)組優(yōu)先開(kāi)機(jī)，讓上網(wǎng)電價(jià)高的機(jī)組優(yōu)先停機(jī) 。若系統(tǒng)負(fù)荷較前一階段增加，已運(yùn)行的機(jī)組一般不停機(jī) 。若系統(tǒng)負(fù)荷較前一階 段減小，已停運(yùn)的機(jī)組一般不啟動(dòng)。優(yōu)先順序法簡(jiǎn)單而實(shí)用，計(jì)算量小，雖然有時(shí)找不到最優(yōu)解，但能滿足一般的應(yīng)用要求，可以獲得大部分效益。其缺點(diǎn)是難以精確考慮隨時(shí)間變 化的機(jī)組啟停費(fèi)用，而且是不相關(guān)地處理各時(shí)段的機(jī)組組合問(wèn)題，容易造成機(jī)組的頻繁啟停。 混合整數(shù)規(guī)劃法 (Mixed 一 iniegerProgr~ing)是變量中既有整數(shù)又有非整數(shù)的數(shù)學(xué)規(guī)劃問(wèn)題，根據(jù)除整型變量以外的其他變量函數(shù)類(lèi)型，可分為線性混合整數(shù)規(guī)劃和非線性混合整數(shù)規(guī)劃。混合整數(shù)規(guī)劃法比較復(fù)雜，不直觀，對(duì)實(shí)際系統(tǒng)直接使用計(jì)算量太大，必須要精心構(gòu)思分解，它在機(jī)組負(fù)荷優(yōu)化問(wèn)題中實(shí)用化的成果不多。 拉格朗日松弛法是在目標(biāo)函數(shù)中針對(duì)系統(tǒng)的禍合約束引入拉格朗日乘子構(gòu)造一個(gè)增廣目標(biāo)函數(shù)形成對(duì)偶問(wèn)題，通 過(guò)解決對(duì)偶問(wèn)題的極大極小值來(lái)求解目標(biāo)函數(shù)的最優(yōu)值。如果目標(biāo)函數(shù)是連續(xù)凸函數(shù)，則對(duì)偶問(wèn)題的最優(yōu)解就是原問(wèn)題的最優(yōu)解或者次優(yōu)解 。如果目標(biāo)函數(shù)為不可微或者非凸的此時(shí)對(duì)偶問(wèn)題的最優(yōu)解與原問(wèn)題的最優(yōu)解之間存在對(duì)偶間隙，而且在給定拉格朗日乘子的情況下增廣目標(biāo)函數(shù)的最小值所給出的解不一定滿足原目標(biāo)函數(shù)的約束條件。拉格朗日松弛法是解決機(jī)組組合公認(rèn)的有效方法之一，得到了較為廣泛的應(yīng)用〔川。文 獻(xiàn)【 12]通過(guò)對(duì)一個(gè)給定的機(jī)組組合是否可行的判斷尋求對(duì)偶解之下的可行解，元機(jī)組的綜合熱力性能試驗(yàn)，確定在不同負(fù)荷時(shí)各機(jī)組的標(biāo)準(zhǔn)燃料消耗 量，擬合出燃料消耗量隨負(fù)荷變化的特性曲線，再以多臺(tái)機(jī)組的燃料消耗量之和作為目標(biāo)函數(shù) 。 最后，求解這個(gè)有約束優(yōu)化問(wèn)題。各電廠采用過(guò)的負(fù)荷分配方法，大致有以下幾種 :
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1