CN113033062A - 风力发电机组轴承座优化设计方法、存储介质及轴承座 - Google Patents

风力发电机组轴承座优化设计方法、存储介质及轴承座 Download PDF

Info

Publication number
CN113033062A
CN113033062A CN202110500739.9A CN202110500739A CN113033062A CN 113033062 A CN113033062 A CN 113033062A CN 202110500739 A CN202110500739 A CN 202110500739A CN 113033062 A CN113033062 A CN 113033062A
Authority
CN
China
Prior art keywords
bearing seat
model
deformation
sample points
finite element
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110500739.9A
Other languages
English (en)
Other versions
CN113033062B (zh
Inventor
刘金增
韩佳
杨微
江鹏
付仟仟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CSIC Haizhuang Windpower Co Ltd
Original Assignee
CSIC Haizhuang Windpower Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CSIC Haizhuang Windpower Co Ltd filed Critical CSIC Haizhuang Windpower Co Ltd
Priority to CN202110500739.9A priority Critical patent/CN113033062B/zh
Publication of CN113033062A publication Critical patent/CN113033062A/zh
Application granted granted Critical
Publication of CN113033062B publication Critical patent/CN113033062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/23Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/06Wind turbines or wind farms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

本发明公开了一种风力发电机组轴承座优化设计方法、存储介质及轴承座,包括构建轴承座的几何模型,根据几何模型构建轴承座的有限元模型进行拓扑优化,并根据拓扑优化结果重构轴承座的拓扑优化模型,对拓扑优化模型进行网格划分,得到轴承座网格模型,在轴承座网格模型中创建多个变形区域,并将每个变形区域参数化,在每个变形区域中构建多个样本点,并确定控制参数范围内每个样本点对应的各项变形控制参数,根据对应的各项变形控制参数逐一对每个样本点进行网格变形,并对每次变形得到的轴承座网格模型构建有限元模型进行有限元分析,根据每次有限元分析得到的分析结果确定多个最优样本点,通过所有最优样本点重构轴承座的优化设计模型。

Description

风力发电机组轴承座优化设计方法、存储介质及轴承座
技术领域
本发明涉及使用有限元方法计算机辅助设计技术领域,具体涉及一种风力发电机组轴承座优化设计方法、存储介质及轴承座。
背景技术
轴承座是风力发电机组中非常重要的零部件之一,主要用于安装、固定主轴承。目前风电机组的降本成为主机厂商亟待解决的问题,对风电机组结构件进行轻量化设计成为一种切实可行的方法。传统的轴承座设计主要基于经验进行设计,迭代时间较长,产品设计周期不可控。设计过程中难免存在自重大、构型不合理等一系列问题。同时,应对较多的机组产品开发以及降本需求,需要投入大量人力资源。因此,为了满足大兆瓦机组重量轻、效率高的要求,亟需缩短设计周期实现产品轻量化的设计方法。
发明内容
针对现有技术存在的不足,本发明提出一种风力发电机组轴承座优化设计方法、存储介质及轴承座。
第一方面,提供了一种风力发电机组轴承座优化设计方法,其特征在于,包括:
构建轴承座的几何模型;
根据几何模型构建所述轴承座的有限元模型进行拓扑优化,并根据拓扑优化结果重构所述轴承座的拓扑优化模型;
对所述拓扑优化模型进行网格划分,得到轴承座网格模型;
在所述轴承座网格模型中创建多个变形区域,并将每个变形区域参数化;
在每个变形区域中构建多个样本点,并确定控制参数范围内每个样本点对应的各项变形控制参数;
逐一根据对应的各项变形控制参数对样本点进行网格变形,并对变形得到的轴承座网格模型构建有限元模型进行有限元分析;
根据所有样本点对应的所有分析结果确定多个最优样本点,并通过所有最优样本点重构所述轴承座的优化设计模型;
基于优化设计模型构建有限元模型进行验证,响应于验证结果未满足性能要求,对所述优化设计模型进行调整,直至所述验证结果满足性能要求,得到轴承座的轻量化设计模型。
结合第一方面,在第一方面的第一种可实现方式中,采用优化拉丁方试验设计方法在所述变形区域中构建多个样本点。
结合第一方面,在第一方面的第二种可实现方式中,采用实验设计的方法确定每个样本点对应的各项变形控制参数。
结合第一方面,在第一方面的第三种可实现方式中,所述根据每次有限元分析得到的分析结果确定多个最优样本点包括:
从各个样本点对应的所有分析结果中筛选出满足目标条件的分析结果;
确定筛选出的分析结果对应的变形控制参数;
根据变形控制参数确定各个样本点对于轴承座的影响因子;
通过影响因子从所有样本点中筛选出最优样本点;
结合第一方面的第三种可实现方式,在第一方面的第四种可实现方式中,所述目标条件为应力值最大且满足轴承座性能要求。
结合第一方面的第三种可实现方式,在第一方面的第五种可实现方式中,采用试验设计的方法确定样本点对应的各项变形控制参数对应的影响因子。
结合第一方面,在第一方面的第六种可实现方式中,还包括对每次变形后的网格进行光顺处理。
第二方面,提供了一种存储介质,存储有计算机程序,该计算机程序运行时,执行第一方面、第一方面的第一至六种可实现方式中的任意一种的风力发电机组轴承座优化设计方法。
第三方面,提供了一种风力发电机组轴承座,该轴承座采用第一方面、第一方面的第一至六种可实现方式中的任意一种的风力发电机组轴承座优化设计方法进行设计,包括座体,座体两侧对称设置有安装凸台,以及对称设置有多个减重圆孔,该减重圆孔的直径为500mm。
结合第三方面,在第三方面的第一种可实现方式中,所述座体上还设置有减重方孔,该减重方孔设置有所述座体两侧的安装凸台之间,所述减重方孔宽度为626mm,长度1474mm。
有益效果:采用本发明的风力发电机组轴承座优化设计方法、存储介质及轴承座,通过有限元计算-拓扑优化-参数优化-几何重构的思路轻量化设计轴承座,能够缩短设计时间,减少设计成本。设计出的轴承座重量轻,实现了轴承座轻量化的目的。
附图说明
为了更清楚地说明本发明具体实施方式,下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明一实施例提供的设计方法的流程图;
图2为筛选最优样本点的流程图;
图3为轴承座的几何模型示意图;
图4为轴承座的拓扑优化模型示意图;
图5为轴承座网格模型示意图;
图6为样本点组的分布区域示意图;
图7为轴承座的轻量化设计模型结构示意图;
附图标记:
1-前轴承座安装部,2-后轴承座安装部,3-安装凸台,4-轴承座安装部,5-安装缺口,6-减重圆孔,7-减重方孔。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
如图1所示的风力发电机组轴承座优化设计方法的流程,该设计方法包括:
步骤1、构建轴承座的几何模型;
步骤2、根据几何模型构建所述轴承座的有限元模型进行拓扑优化,并根据拓扑优化结果重构所述轴承座的拓扑优化模型;
步骤3、对所述拓扑优化模型进行网格划分,得到轴承座网格模型;
步骤4、在所述轴承座网格模型中创建多个变形区域,并将每个变形区域参数化;
步骤5、在每个变形区域中构建多个样本点,并确定控制参数范围内每个样本点对应的各项变形控制参数;
步骤6、逐一根据对应的各项变形控制参数对样本点进行网格变形,并对变形得到的轴承座网格模型构建有限元模型进行有限元分析;
步骤7、根据所有样本点对应的所有分析结果确定多个最优样本点,并通过所有最优样本点重构所述轴承座的优化设计模型;
步骤8、基于优化设计模型构建有限元模型进行验证,响应于验证结果未满足性能要求,对所述优化设计模型进行调整,直至所述验证结果满足性能要求,得到轴承座的轻量化设计模型。
具体而言:
首先,可以先根据轴承座的结构特征构建轴承座的几何模型,在构建轴承座的几何模型过程中,为了避免应力奇异现象,可以在轴承座的两侧设置凸台,构建好的几何模型如图3所示。
然后,可以通过拓扑优化确定轴承座材料的合理分布,具体的,可以在几何模型中设定设计区域,并将设定好的几何模型导入有限元前处理软件中进行网格划分和前处理,构建轴承座的有限元模型,之后将有限元模型导入有限元软件中,设定边界条件和载荷,以设计区域的单位密度为变量、体积分数为小于等于设计区域体积的20%为约束条件,应变能最小为目标函数,采用灵敏度算法对有限元模型进行拓扑优化,最后根据得到的拓扑优化结果在三维建模软件中重构得到轴承座的拓扑模型,并基于拓扑模型再次构建轴承座的有限元模型导入有限元软件中验证和调整,直至拓扑模型满足轴承座的性能要求,最终得到如图4所示的拓扑优化模型。
之后,通过参数优化达到轴承座减重的目的,具体的,可以先利用有限元前处理软件对最终得到的所述拓扑优化模型进行网格划分,得到轴承座网格模型。然后将轴承座网格模型导入网格变形软件中,在轴承座网格模型中设定多个变形区域,并将每个变形区域参数化。
将参数化后的轴承座网格模型导入参数优化软件中,通过参数优化软件在各个变形区域中生成多个样本点,这些样本点可以组成多个样本点组,如图5所示,在本实施例中,如图6所示,共构建了S1、S2......S6这6个样本点组,每个样本点组对应一个变形区域,通过样本点组可以分段控制轴承座表面的变化。还可以通过参数优化软件生成各个样本点在人工设定的控制参数范围的各项变形控制参数,按照对应的各项变形控制参数,逐一对各个样本点多次进行变形,并基于每次变形后的轴承座网格模型构建有限元模型进行分析,得到各个样本点每次变形后的有限元分析结果。
具体的,首先,基于轴承座网格模型在有限元分析软件中构建轴承座有限元模型进行有限元分析得到分析结果。然后,通过参数优化软件提取分析结果,并下发样本点对应的多项变形控制参数中的其中一项变形控制参数给网格变形软件,然后,网格变形软件根据下发的变形控制参数对样本点进行网格变形,得到变形后的轴承座网格模型。
之后,在有限元分析软件中基于变形后的轴承座网格模型再次构建有限元模型进行有限元分析得到分析结果,如此重复,直至参数优化软件提取到样本点根据各项变形控制参数进行变形进行有限元分析得到的分析结果,之后,采用上述相同的流程对下一个样本点继续进行处理,直至得到所有样本点每次变形后的有限元分析结果。
最后,根据所有样本点对应的所有分析结果确定多个最优样本点,并基于这些最优样本点重构所述轴承座的优化设计模型。得到轴承座的优化设计模型后,可以继续采用有限元分析软件对优化设计模型进行验证和调整,直至优化设计模型满足轴承座的性能要求,得到如图7所示的轴承座的轻量化设计模型。如此通过样本点的参数控制即可能够达到参数化调整变形区域的壁厚的目的,从而达到减重的目的。
在本实施例中,优选的,采用优化拉丁方试验设计方法在所述变形区域中构建多个样本点。采用优化拉丁方的方法生成样本点,可以获得更多的样本点组合,使样本点均匀分布在各个变形区域,能够捕捉到更高阶样本点的影响。具体包括:将轴承座网格模型导入参数优化软件中,并根据轴承座的实际壁厚人工设定样本点的取值范围,利用参数优化软件自带的优化拉丁方功能生成多个样本点。
在本实施例中,优选的,采用实验设计的方法确定每个样本点对应的各项变形控制参数。
具体而言,可以采用试验设计的方法生成试验矩阵,即在人工设定的控制参数范围内,生成每个样本点的多项变形控制参数。与生成样本点的流程相同,可以将构建样本点后的轴承座网格模型导入参数优化软件中,并人工设定各项控制参数范围,利用参数优化软件自带的试验设计功能生成每个样本点对应的多项变形控制参数。
在本实施例中,优选的,如图2所示,所述根据每次有限元分析得到的分析结果确定多个最优样本点包括:
步骤1-1、从各个样本点对应的所有分析结果中筛选出满足目标条件的分析结果;
步骤1-2、确定筛选出的分析结果对应的变形控制参数;
步骤1-3、根据变形控制参数确定各个样本点对于轴承座的影响因子;
步骤1-4、通过影响因子从所有样本点中筛选出最优样本点。
具体而言,首先,可以根据目标条件从各个样本点对应的所有分析结果中筛选出满足目标条件的分析结果。然后,由于有限元分析得到的分析结果与变形控制参数相对应,所以,可以确定筛选出每个分析结果对应的变形控制参数。之后,可以通过确定的变形控制参数确定各个样本点对于轴承座的影响因子,最后,可以通过比较各个样本点之间的影响因子,从中选取处影响因子较大的几个样本点作为最优样本点。
在本实施例中,优选的,所述目标条件为应力值最大且满足轴承座性能要求。由于轴承座的最大应力不能超过材料的许用应力,所以可以将目标条件设定的轴承座的应力值最大且小于材料的许用应力。
在本实施例中,优选的,采用试验设计的方法确定样本点对应的各项变形控制参数对应的影响因子。
具体而言,可以将轴承座网格模型导入参数优化软件进行试验设计,根据不同变形控制参数控制样本点进行变化,从而获得不同变形控制参数下轴承座的最大应力值,通过不同变形控制参数对应的最大应力值确定不同变形控制参数下样本点对于轴承座最大应力的影响因子。
在本实施例中,优选的,还包括对每次变形后的网格进行光顺处理。由于网格变形软件每次根据变形控制参数对样本点进行网格变形后,得到的轴承座网格模型可能会出现畸形,导致无法进行后续处理,因此,可以将每次变形后的轴承座网格模型导入有限元前处理软件中进行光顺处理,调整网格质量后,再基于处理后的轴承座网格模型构建有限元模型进行分析。
一种存储介质,存储有计算机程序,该计算机程序运行时,执行上述的风力发电机组轴承座优化设计方法。
如图7所示的风力发电机组轴承座的结构图,该轴承座采用上述的风力发电机组轴承座优化设计方法进行设计,设计得到的轴承座包括:前轴承座安装部1、后轴承座安装部2、安装凸台3、轴承座安装部4、安装缺口5、4个减重圆孔6以及减重方孔7。前轴承座安装部1和后轴承座安装部2的最大距离为2398mm,前轴承座安装部1的直径为3178mm,壁厚为145mm,后轴承座安装部2的直径为2625mm,壁厚为134mm,4个减重圆孔6对称分布于轴承座两侧,每个减重圆孔6的直径均为500mm;减重方孔7位于轴承座正下方,减重方孔7的宽度为626mm,长度1474mm。
轴承座的两侧对称设置有2个轴承座安装部4,轴承座安装部4的厚度为300mm,轴承座安装部4的两端均设置有安装凸台3,安装凸台3的高度为80mm。同一侧的2个安装凸台3之间的轴承座安装部4开有安装缺口5,安装缺口5是一个U形缺口,U形缺口的两条长边为656.5mm,两条长边之间间距350mm。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种风力发电机组轴承座优化设计方法,其特征在于,包括:
构建轴承座的几何模型;
根据几何模型构建所述轴承座的有限元模型进行拓扑优化,并根据拓扑优化结果重构所述轴承座的拓扑优化模型;
对所述拓扑优化模型进行网格划分,得到轴承座网格模型;
在所述轴承座网格模型中创建多个变形区域,并将每个变形区域参数化;
在每个变形区域中构建多个样本点,并确定控制参数范围内每个样本点对应的各项变形控制参数;
逐一根据对应的各项变形控制参数对样本点进行网格变形,并对变形得到的轴承座网格模型构建有限元模型进行有限元分析;
根据所有样本点对应的所有分析结果确定多个最优样本点,并通过所有最优样本点重构所述轴承座的优化设计模型;
基于优化设计模型构建有限元模型进行验证,响应于验证结果未满足性能要求,对所述优化设计模型进行调整,直至所述验证结果满足性能要求,得到轴承座的轻量化设计模型。
2.根据权利要求1所述的风力发电机组轴承座优化设计方法,其特征在于,采用优化拉丁方试验设计方法在所述变形区域中构建多个样本点。
3.根据权利要求1所述的风力发电机组轴承座优化设计方法,其特征在于,采用实验设计的方法确定每个样本点对应的各项变形控制参数。
4.根据权利要求1所述的风力发电机组轴承座优化设计方法,其特征在于,所述根据每次有限元分析得到的分析结果确定多个最优样本点包括:
从各个样本点对应的所有分析结果中筛选出满足目标条件的分析结果;
确定筛选出的分析结果对应的变形控制参数;
根据变形控制参数确定各个样本点对于轴承座的影响因子;
通过影响因子从所有样本点中筛选出最优样本点。
5.根据权利要求4所述的风力发电机组轴承座优化设计方法,其特征在于,所述目标条件为应力值最大且满足轴承座性能要求。
6.根据权利要求4所述的风力发电机组轴承座优化设计方法,其特征在于,采用试验设计的方法确定样本点对应的各项变形控制参数对应的影响因子。
7.根据权利要求1所述的风力发电机组轴承座优化设计方法,其特征在于,还包括对每次变形后的网格进行光顺处理。
8.一种存储介质,存储有计算机程序,其特征在于:该计算机程序运行时,执行如权利要求1-7所述的风力发电机组轴承座优化设计方法。
9.一种风力发电机组轴承座,其特征在于,采用如权利要求1-7所述的风力发电机组轴承座优化设计方法进行设计,包括座体,座体两侧对称设置有安装凸台,以及对称设置有多个减重圆孔,该减重圆孔的直径为500mm。
10.根据权利要求9所述的风力发电机组轴承座,其特征在于,所述座体上还设置有减重方孔,该减重方孔设置有所述座体两侧的安装凸台之间,所述减重方孔宽度为626mm,长度1474mm。
CN202110500739.9A 2021-05-08 2021-05-08 风力发电机组轴承座优化设计方法、存储介质及轴承座 Active CN113033062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110500739.9A CN113033062B (zh) 2021-05-08 2021-05-08 风力发电机组轴承座优化设计方法、存储介质及轴承座

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110500739.9A CN113033062B (zh) 2021-05-08 2021-05-08 风力发电机组轴承座优化设计方法、存储介质及轴承座

Publications (2)

Publication Number Publication Date
CN113033062A true CN113033062A (zh) 2021-06-25
CN113033062B CN113033062B (zh) 2022-03-25

Family

ID=76455154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110500739.9A Active CN113033062B (zh) 2021-05-08 2021-05-08 风力发电机组轴承座优化设计方法、存储介质及轴承座

Country Status (1)

Country Link
CN (1) CN113033062B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113722955A (zh) * 2021-08-26 2021-11-30 中国船舶重工集团海装风电股份有限公司 基于有限元的风电机组轴承座结构优化设计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203395144U (zh) * 2013-06-25 2014-01-15 上海汽车集团股份有限公司 基于拓扑优化的变速箱壳体结构
CN105202157A (zh) * 2015-10-21 2015-12-30 大连理工大学 一种功率分流型风电齿轮箱箱体
DE102015214750A1 (de) * 2015-08-03 2017-02-09 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Form- und Topologieoptimierung eines Gussbauteils
CN107932407A (zh) * 2017-12-22 2018-04-20 南京中人能源科技有限公司 一种风力发电机组基座自动翻转装置
CN111523267A (zh) * 2020-04-21 2020-08-11 重庆邮电大学 一种基于参数化有限元模型的风机主轴结构优化方法
CN111651843A (zh) * 2020-07-03 2020-09-11 三一重能有限公司 发电机主机架的设计方法、系统及电子设备
CN112270030A (zh) * 2020-11-09 2021-01-26 中国船舶重工集团海装风电股份有限公司 复杂地形风电场道路优化设计方法、装置、设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203395144U (zh) * 2013-06-25 2014-01-15 上海汽车集团股份有限公司 基于拓扑优化的变速箱壳体结构
DE102015214750A1 (de) * 2015-08-03 2017-02-09 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Form- und Topologieoptimierung eines Gussbauteils
CN105202157A (zh) * 2015-10-21 2015-12-30 大连理工大学 一种功率分流型风电齿轮箱箱体
CN107932407A (zh) * 2017-12-22 2018-04-20 南京中人能源科技有限公司 一种风力发电机组基座自动翻转装置
CN111523267A (zh) * 2020-04-21 2020-08-11 重庆邮电大学 一种基于参数化有限元模型的风机主轴结构优化方法
CN111651843A (zh) * 2020-07-03 2020-09-11 三一重能有限公司 发电机主机架的设计方法、系统及电子设备
CN112270030A (zh) * 2020-11-09 2021-01-26 中国船舶重工集团海装风电股份有限公司 复杂地形风电场道路优化设计方法、装置、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Y. LIHAO 等: "Finite Element Analysis and Topology Optimization of Triangular Track’s Load-bearing Wheels", 《2020 3RD WORLD CONFERENCE ON MECHANICAL ENGINEERING AND INTELLIGENT MANUFACTURING (WCMEIM)》 *
郑甲红 等: "2MW风力发电机关键零部件有限元分析", 《机械设计与制造》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113722955A (zh) * 2021-08-26 2021-11-30 中国船舶重工集团海装风电股份有限公司 基于有限元的风电机组轴承座结构优化设计方法

Also Published As

Publication number Publication date
CN113033062B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN110110413B (zh) 一种基于材料场缩减级数展开的结构拓扑优化方法
Huang et al. A hybrid maximum power point tracking approach for photovoltaic systems under partial shading conditions using a modified genetic algorithm and the firefly algorithm
CN106407158B (zh) 一种gpu加速的批处理同构稀疏矩阵乘满向量的处理方法
CN113033062B (zh) 风力发电机组轴承座优化设计方法、存储介质及轴承座
CN103428217A (zh) 分布式并行计算的作业分配方法及分配系统
CN106951610A (zh) 一种基于近似模型的插秧机秧箱结构优化方法
CN111914464B (zh) 用于反应堆组件多共振核素共振模拟子群优化方法及系统
Wang et al. Shape optimization of free-form grid structures based on the sensitivity hybrid multi-objective evolutionary algorithm
Chu et al. Reliability based optimization with metaheuristic algorithms and Latin hypercube sampling based surrogate models
CN112949004B (zh) 风力发电机组轴承座的轻量化设计方法及其轴承座
Xilin et al. Resource allocation optimization of equipment development task based on MOPSO algorithm
CN103065015B (zh) 一种基于内力路径几何形态的承载结构低碳节材设计方法
CN101860025A (zh) 基于预测-校正技术的电网未来运行方式网损计算方法
CN115906601A (zh) 电力管理系统的优化方法及装置
CN108520154A (zh) 基于粒子群算法和支持向量机的发电机定子端部绕组结构优化方法
CN108694299B (zh) 基于icem-cfd的二维有限元中子学稳态计算方法
Gong et al. Short-term power prediction of a wind farm based on empirical mode decomposition and mayfly algorithm–back propagation neural network
CN112818581B (zh) 风力发电机组主机架的拓扑优化设计方法
Aurasopon et al. Hybrid algorithm combining lambda iteration and bee colony optimization to solve an economic dispatch problem with prohibited operating zones
CN111581750B (zh) 一种基于isight软件的多学科多指标产品结构优化设计方法
Rashedi et al. A multi-objective approach for solving transmission expansion planning problem considering wind power uncertainty
CN105631066A (zh) 一种基于模态试验结果的有限元三维模型模态调整方法
Xu et al. Actor-critic with transformer for cloud computing resource three stage job scheduling
CN111884254B (zh) 基于双重随机模拟的分布式光伏消纳接入方法及装置
CN112380642A (zh) 一种风电机组叶片纤维间失效预测方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant