CN113407896B - 一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法 - Google Patents
一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法 Download PDFInfo
- Publication number
- CN113407896B CN113407896B CN202110660265.4A CN202110660265A CN113407896B CN 113407896 B CN113407896 B CN 113407896B CN 202110660265 A CN202110660265 A CN 202110660265A CN 113407896 B CN113407896 B CN 113407896B
- Authority
- CN
- China
- Prior art keywords
- objective function
- stress
- optimization
- nuclear power
- representing
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Abstract
本发明公开了一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法,属于核电阀门可靠性分析领域,尤其争对阀门加速寿命试验。在对阀门加速寿命试验进行优化设计求解最佳应力水平和最佳样本分配比时,将随机游走优化算法和惩罚函数法结合有效的解决了带约束的优化求解问题,并且在求变量更优值的同时使得惩罚因子的确定更加的准确和简易,为其他优化算法求解带约束问题提供了新思路。
Description
技术领域
本发明属于核电阀门可靠性分析领域,尤其争对阀门加速寿命试验。
背景技术
传统的核电阀门加速寿命试验存在着试验时间较长、样本量较大的缺点,因此,有必要对加速寿命试验方案进行优化设计,寻找一组最佳的应力水平和试样分配比例,使阀门在正常应力水平时寿命估计值的精度最高,试验时间缩短,同时减少样本数量。目前常见的全局最优求解法有拉格朗日法、线性规划法、以及一些人工智能算法比如遗传算法、粒子群算法、模拟退火算法等。优化算法已经在科技、机械工程领域十分普及,但是往往现实中的优化问题都伴随着各种约束条件,因此衍生出了基于遗传算法的带约束求解最优法等,由于传统惩罚函数中惩罚系数的范围很难确定,因此优化难度就加大了。
发明内容
本发明对现有核电阀门加速寿命试验方案设计领域技术背景的不足,根据试验的加速性和试验数据的统计精度要求,确定试验优化的约束条件,本发明采用内点罚函数法对试验优化的约束问题进行处理。
本发明技术方案为一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法,该方法包含如下:
步骤1:选定应用于核电阀门的具体应力类型为温度应力,确定阀门寿命分布服从威布尔分布,且威布尔分布形状参数为m,尺度参数为η;于是寿命分布参数σ=1/m,μ=lnη,确定该应力x与核电阀门寿命分布参数μ的线性关系μ=γ0+γ1x,并且特征寿命与试验温度之间满足阿伦尼斯方程η=exp(γ0+γ1x),γ0,γ1和σ为根据先验数据得到的模型参数;
步骤2:建立优化目标函数,具体步骤如下:
步骤2.1:在核电阀门加速寿命试验方案优化设计中通常以线性-极值模型下应力水平个数为M时的方差因子VM为优化目标函数,求解最佳应力水平和样本分配比。
步骤2.2:建立目标函数为:
s.t.g(i)=Ti-1-Ti<0,(i=1,2,...,M)
其中,VM表示应力水平为M时的方差因子,x0表示正常应力水平,n表示总样本个数,zp表示标准极值分布的P阶分位数,g(i)表示温度应力约束,h(i)表示样本约束,Ti表示温度应力,pi表示样本分配比,M表示应力水平个数,F表示方差因子中关于应力水平xi和样本分配比pi的信息矩阵;
步骤3:针对核电阀门加速寿命试验方案优化设计问题,采用内点罚函数法对试验优化的约束问题进行处理,求解目标函数得到最佳温度应力水平xi和样本分配比pi。
进一步的,步骤3的具体方法为:
步骤3.1:对优化目标函数引入惩罚函数,将不等式约束函数:
s.t.g(i)=Ti-1-Ti<0,i=1,2,...,M
转化为新目标函数:
其中,r(k)表示取惩罚因子,r(k+1)=C·r(k),C为惩罚因子缩小系数;
步骤3.2:计算目标函数最小值时的应力水平和最佳样本分配个数。
进一步的,所述步骤3.2的计算方法为:
步骤3.2.1:确定目标函数f(x),假设目标函数具有多个决策变量,即x=(x1,x2,...,xn);
步骤3.2.2:优化前确定迭代次数N,初始步长λ,优化变量的初始值x0以及控制精度ξ,其中ξ>0;
步骤3.2.3:判断是否达到得设定的迭代次数,即k<N是否满足,k=1。
步骤3.2.4:若k=1进行第一次迭代,则在([-0.372,-1],[0.372,1])之间随机生成n个n维向量μi=(μi1,μi2,...,μin),然后将μi进行转化得到令xi=x+λμ′i,得到{x1,x2,...,xn},代入目标函数值进行计算,得到使目标函数值最小的一组解,完成第一次的迭代;
步骤3.2.5:将带约束的目标函数转化为无约束的目标函数,然后对目标函数进行计算,如果满足条件f(x1)<f(x),那么就找到了比起始值好的点,使得k=1,将x=x1,返回步骤3.2.3,若不满足条件,则k=k+1,r(k+1)=C·r(k)返回步骤3.2.4;
步骤3.2.6:如果迭代次数已经满足条件,仍然未找到最优的值,那么输出当前的解,但并非最优解;此时达到终止条件的时候,即当前解与上一轮迭代解的差值<ξ,算法截至;不满足截止条件则继续迭代。
本发明有益效果为:通过试验分析,在进行核电阀门加速寿命试验优化设计时将随机游走优化算法和惩罚函数法结合有效的解决了带约束的优化求解问题,寻找到一组最佳的应力水平和试样分配比例,并且在求变量更优值的同时使得惩罚因子的确定更加的准确和简易,为其他优化算法求解带约束问题提供了新思路。
附图说明
图1为随机游走带约束优化求解流程图;
图2为改进随机游走优化算法流程图。
具体实施方式
步骤1:选定应用于核电阀门的具体应力类型为温度应力,确定阀门寿命分布服从威布尔分布,且威布尔分布形状参数为m,尺度参数为η。于是寿命分布参数σ=1/m,μ=lnη,确定该应力x与核电阀门寿命分布参数μ的线性关系μ=γ0+γ1x,并且特征寿命与试验温度之间满足阿伦尼斯方程η=exp(γ0+γ1x),γ0,γ1和σ为根据先验数据得到的模型参数;
步骤2:建立优化目标函数,具体步骤如下:
步骤2.1:在核电阀门加速寿命试验方案优化设计中通常以应力水平为M时的方差因子VM为优化目标函数,求解最佳应力水平和样本分配比。
步骤2.2:建立目标函数为:
s.t.g(i)=Ti-1-Ti<0,i=1,2,...,M
其中,VM表示应力水平为M时的方差因子,x0表示正常应力水平,n表示总样本个数,zp表示标准极值分布的P阶分位数,g(i)表示温度应力约束,h(i)表示样本约束,Ti表示温度应力,pi表示样本分配比,M表示应力水平个数,F表示方差因子中关于应力水平xi和样本分配比pi的信息矩阵;
步骤3:针对核电阀门加速寿命试验方案优化设计问题,采用内点罚函数法对试验优化的约束问题进行处理,求解目标函数得到最佳应力水平xi和样本分配比pi。
进一步的,步骤3的具体方法为:
步骤3.1:对优化目标函数引入惩罚函数,将不等式约束函数:
s.t.g(i)=Ti-1-Ti<0,i=1,2,...,M
转化为新目标函数:
其中,r(k)表示取惩罚因子,r(k+1)=C·r(k),C为惩罚因子缩小系数;
步骤3.2:计算目标函数最小值时的应力水平和最佳样本分配个数。
进一步的,所述步骤3.2的计算方法为:
步骤3.2.1:确定目标函数f(x),假设目标函数具有多个决策变量,即x=(x1,x2,...,xn);
步骤3.2.2:优化前确定迭代次数N,初始步长λ,优化变量的初始值x0以及控制精度ξ,其中ξ>0;
步骤3.2.3:判断是否达到得设定的迭代次数,即k<N是否满足,k=1。
步骤3.2.4:若k=1进行第一次迭代,则在([-0.372,-1],[0.372,1])之间随机生成n个n维向量μi=(μi1,μi2,...,μin),然后将μi进行转化得到令xi=x+λμ′i,得到{x1,x2,...,xn},代入目标函数值进行计算,得到使目标函数值最小的一组解,完成第一次的迭代;
步骤3.2.5:将带约束的目标函数转化为无约束的目标函数,然后对目标函数进行计算,如果满足条件f(x1)<f(x),那么就找到了比起始值好的点,使得k=1,将x=x1,返回步骤3.2.3,若不满足条件,则k=k+1,r(k+1)=C·r(k)返回步骤3.2.4;
步骤3.2.6:如果迭代次数已经满足条件,仍然未找到最优的值,那么输出当前的解,但并非最优解;此时达到终止条件的时候,即当前解与上一轮迭代解的差值<ξ,算法截至;不满足截止条件则继续迭代。
本发明提出的优化算法计算步骤如下:
步骤1:在阀门加速寿命试验优化设计中,假设加速试验有2温度水平T1<T2,确定试验中样品的分配比例和极限应力水平,满足p1+p2=1,VM表示应力水平为M时的方差因子,g(i)和h(i)为试验变量实际取值范围约束。
目标函数为:
s.t.g(i)=Ti-1-Ti<0,i=1,2
步骤2:根据摸底试验可以得到模型参数的估计值zp=0.5;根据试验条件可以知道,该产品的正常工作应力水平T0=85℃,其转化应力为x0=1000/(273.15+T0),极限工作应力水平,Tmax=140℃,其转化应力为:xmax=1000/(273.15+Tmax)
给定置信度为γ=60%,则Kγ=0.84162,然后置信区间宽度为2W=0.4;
根据式子n=VM(Kγσ/W)2求出样本量,引入惩罚函数得到新目标函数为:
r(k+1)=Cr(k)
式子中,C∈(0,1)为惩罚因子缩小系数。一般情况下,取惩罚因子r(1)=1,惩罚因子缩小系数C=0.5~0.7。
步骤3:计算目标函数最小值时的温度应力水平值和最佳样本分配比例。
进一步的,所述步骤3的计算方法为:
步骤3.1.1:确定目标函数f(x),假设目标函数具有多个决策变量,即x:T1,T2,p1,p2;
步骤3.1.2:优化前确定迭代次数N=1000,初始步长λ=0.5;
优化变量的初始值x0:[2.793,2.421,0,1,1]以及控制精度ξ=0.00001,其中ξ>0,一般取值很小;
步骤3.1.3:判断是否达到得设定的迭代次数,即k<N是否满足,k=1。
步骤3.1.4:若k=1进行第一次迭代,则在([-0.372,-1],[0.372,1])之间随机生成10个向量μi=(μi1,μi2,...,μin),然后将μi进行转化得到令xi=x+λμ′i,得到{x1,x2,...,x10},代入目标函数值进行计算,得到使目标函数值最小的一组解,完成第一次的迭代。
步骤3.1.5:将带约束的目标函数转化为无约束的目标函数,然后对目标函数进行计算,如果满足条件f(x1)<f(x),那么就找到了比起始值好的点,使得k=1,将x=x1,返回步骤3.1.3,若不满足条件,则k=k+1,r(k+1)=Cr(k),C=0.5~0.7,返回步骤3.1.4;
步骤3.1.6:如果迭代次数已经满足条件,仍然未找到最优的值,那么输出当前的解,但并非最优解。此时达到终止条件的时候,即当前解与上一轮迭代解的差值<ξ,算法截至;不满足截止条件则继续迭代。
表1传统的随机游走和改进随机游走结果对比
Claims (1)
1.一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法,该方法包含如下:
步骤1:选定应用于核电阀门的具体应力类型为温度应力,确定阀门寿命分布服从威布尔分布,且威布尔分布形状参数为m,尺度参数为η;于是寿命分布参数σ=1/m,μ=lnη,确定该应力x与核电阀门寿命分布参数μ的线性关系μ=γ0+γ1x,并且特征寿命与试验温度之间满足阿伦尼斯方程η=exp(γ0+γ1x),γ0,γ1和σ为根据先验数据得到的模型参数;
步骤2:建立优化目标函数,具体步骤如下:
步骤2.1:在核电阀门加速寿命试验方案优化设计中以线性-极值模型下应力水平个数为M时的方差因子VM为优化目标函数,求解最佳应力水平和样本分配比;
步骤2.2:建立目标函数为:
s.t.g(i)=Ti-1-Ti<0,i=1,2,...,M
其中,VM表示应力水平为M时的方差因子,x0表示正常应力水平,n表示总样本个数,zp表示标准极值分布的P阶分位数,g(i)表示温度应力约束,h(i)表示样本约束,Ti表示温度应力,pi表示样本分配比,M表示应力水平个数,F表示方差因子中关于应力水平xi和样本分配比pi的信息矩阵;
步骤3:针对核电阀门加速寿命试验方案优化设计问题,采用内点罚函数法对试验优化的约束问题进行处理;
步骤3.1:将步骤2得到的目标函数转化为新目标函数:
其中,r(k)表示取惩罚因子,r(k+1)=C·r(k),C为惩罚因子缩小系数;
步骤3.2:计算新目标函数最小值时的应力水平和最佳样本分配个数;
步骤3.2.1:确定目标函数f(x),假设目标函数具有多个决策变量,即x=(x1,x2,...,xn);
步骤3.2.2:优化前确定迭代次数N,初始步长λ,优化变量的初始值x0以及控制精度ξ,其中ξ>0;
步骤3.2.3:判断是否达到得设定的迭代次数,即k<N是否满足,k=1;
步骤3.2.4:若k=1进行第一次迭代,则在([-0.372,-1],[0.372,1])之间随机生成n个n维向量μi=(μi1,μi2,...,μin),然后将μi进行转化得到令xi=x+λμ′i,得到{x1,x2,...,xn},代入目标函数值进行计算,得到使目标函数值最小的一组解,完成第一次的迭代;
步骤3.2.5:将带约束的目标函数转化为无约束的目标函数,然后对目标函数进行计算,如果满足条件f(x1)<f(x),那么就找到了比起始值好的点,使得k=1,将x=x1,返回步骤3.2.3,若不满足条件,则k=k+1,r(k+1)=C·r(k)返回步骤3.2.4;
步骤3.2.6:如果迭代次数已经满足条件,仍然未找到最优的值,那么输出当前的解,但并非最优解;此时达到终止条件的时候,即当前解与上一轮迭代解的差值<ξ,算法终止;不满足终止条件则继续迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660265.4A CN113407896B (zh) | 2021-06-15 | 2021-06-15 | 一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660265.4A CN113407896B (zh) | 2021-06-15 | 2021-06-15 | 一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113407896A CN113407896A (zh) | 2021-09-17 |
CN113407896B true CN113407896B (zh) | 2022-10-14 |
Family
ID=77683959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110660265.4A Active CN113407896B (zh) | 2021-06-15 | 2021-06-15 | 一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113407896B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115468759B (zh) * | 2022-09-22 | 2024-01-23 | 中国核动力研究设计院 | 一种电动阀门热备寿命加速试验方法 |
CN115452358B (zh) * | 2022-09-22 | 2024-01-26 | 中国核动力研究设计院 | 一种电动阀门动作寿命加速试验方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235568A (zh) * | 2013-04-03 | 2013-08-07 | 电子科技大学 | 一种核电站设备状况监测用无线检测装置 |
CN103970965A (zh) * | 2014-05-26 | 2014-08-06 | 中国航空动力机械研究所 | 燃气涡轮发动机加速寿命试验试车方法 |
CN105163465A (zh) * | 2015-10-12 | 2015-12-16 | 天津理工大学 | 一种大功率led路灯电源电路系统及照明功率智能调节方法 |
CN107191666A (zh) * | 2017-05-23 | 2017-09-22 | 浙江理工大学 | 面向天然气分输站的安全切断阀性能监测方法及系统 |
KR101830150B1 (ko) * | 2016-12-30 | 2018-02-20 | 서울시립대학교 산학협력단 | 혐기성 소화가스 생산촉진을 위한 공정모델 예측제어 시스템 및 그 방법 |
CN108829957A (zh) * | 2018-06-01 | 2018-11-16 | 韩山师范学院 | 一种基于混合差分人工蜂群算法的焊接梁设计方法 |
CN110752605A (zh) * | 2019-10-29 | 2020-02-04 | 国家电网有限公司 | 一种电热耦合综合能源系统最优潮流计算方法 |
CN112949209A (zh) * | 2021-03-26 | 2021-06-11 | 北京航空航天大学 | 一种退化速率-波动联合更新的弹用密封橡胶贮存寿命评估方法 |
-
2021
- 2021-06-15 CN CN202110660265.4A patent/CN113407896B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235568A (zh) * | 2013-04-03 | 2013-08-07 | 电子科技大学 | 一种核电站设备状况监测用无线检测装置 |
CN103970965A (zh) * | 2014-05-26 | 2014-08-06 | 中国航空动力机械研究所 | 燃气涡轮发动机加速寿命试验试车方法 |
CN105163465A (zh) * | 2015-10-12 | 2015-12-16 | 天津理工大学 | 一种大功率led路灯电源电路系统及照明功率智能调节方法 |
KR101830150B1 (ko) * | 2016-12-30 | 2018-02-20 | 서울시립대학교 산학협력단 | 혐기성 소화가스 생산촉진을 위한 공정모델 예측제어 시스템 및 그 방법 |
CN107191666A (zh) * | 2017-05-23 | 2017-09-22 | 浙江理工大学 | 面向天然气分输站的安全切断阀性能监测方法及系统 |
CN108829957A (zh) * | 2018-06-01 | 2018-11-16 | 韩山师范学院 | 一种基于混合差分人工蜂群算法的焊接梁设计方法 |
CN110752605A (zh) * | 2019-10-29 | 2020-02-04 | 国家电网有限公司 | 一种电热耦合综合能源系统最优潮流计算方法 |
CN112949209A (zh) * | 2021-03-26 | 2021-06-11 | 北京航空航天大学 | 一种退化速率-波动联合更新的弹用密封橡胶贮存寿命评估方法 |
Non-Patent Citations (6)
Title |
---|
An advanced evolutionary strategy with an adaptive penalty function for mixed-discrete structural optimisation;Ebenau Carsten 等;《Advances in Engineering Software》;20050131;第36卷(第1期);29-38 * |
Degradation Trend Prediction of Linear Regulator Based on SVR Under Nuclear Radiation Stress;Qiao Hongwei 等;《2019 Prognostics and System Health Management Conference (PHM-Qingdao)》;20191226;1-5 * |
Reliability Evaluation Method of Linear Regulated Power Supply In Nuclear Radiation Environment;Xie Jia 等;《2019 Prognostics and System Health Management Conference (PHM-Qingdao)》;20191226;1-5 * |
加速寿命试验方案优化设计系统研究;丁林飞;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20220115(第01期);C040-83 * |
基于机会约束规划模型降低机组寿命损耗的日调度计划;李一铭 等;《电网技术》;20140705;第38卷(第7期);1885-1890 * |
考虑电网安全的风电火电协调优化调度模型及其求解;徐帆 等;《电力系统自动化》;20141110;第38卷(第21期);114-120 * |
Also Published As
Publication number | Publication date |
---|---|
CN113407896A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113407896B (zh) | 一种核电阀门加速寿命试验中的最佳应力和样本分配确定方法 | |
CN109147878B (zh) | 一种水泥熟料游离钙软测量方法 | |
CN109165664B (zh) | 一种基于生成对抗网络的属性缺失数据集补全与预测方法 | |
CN111006240B (zh) | 一种生物质锅炉炉膛温度和负荷预测方法 | |
CN111173573A (zh) | 一种汽轮机调节系统功率对象模型的辨识方法 | |
CN110110380B (zh) | 一种压电执行器迟滞非线性建模方法及应用 | |
CN112434891A (zh) | 基于wcnn-alstm的太阳辐照度时间序列的预测方法 | |
CN111612262A (zh) | 一种基于分位数回归的风电功率概率预测方法 | |
CN110781316A (zh) | 一种融合超平面和持续时间建模的时间感知知识表示学习方法 | |
CN111639111A (zh) | 面向调水工程的多源监测数据深度挖掘和智能分析方法 | |
CN112686372A (zh) | 基于深度残差gru神经网络的产品性能预测方法 | |
CN110084301B (zh) | 一种基于隐马尔可夫模型的多工况过程工况辨识方法 | |
CN110851959A (zh) | 一种融合深度学习和分位数回归的风速区间预测方法 | |
CN117056644B (zh) | 基于机器学习的工业窑炉温度预测方法及系统 | |
Wang et al. | Parameter selection of support vector regression based on hybrid optimization algorithm and its application | |
CN112328971A (zh) | 基于随机数的双峰三参数威布尔分布拟合方法 | |
CN117007974A (zh) | 一种基于模型融合的固态电池soc估计方法 | |
CN116307250A (zh) | 一种基于典型日特征选择的短期负荷预测方法及系统 | |
CN111444963A (zh) | 一种基于ssa-svr模型的高炉铁水硅含量预测方法 | |
CN114567288B (zh) | 基于变分贝叶斯的分布协同非线性系统状态估计方法 | |
CN113836819B (zh) | 一种基于时序关注的床温预测方法 | |
CN115660038A (zh) | 基于误差因素和改进moea/d-sas的多阶段集成短期负荷预测 | |
CN114139442A (zh) | 基于K-means-LSTM的汽轮机阀门流量特性函数的优化方法 | |
CN108445749B (zh) | 一种应用于高阶滑模控制器的参数整定方法 | |
CN111369072A (zh) | 一种基于稀疏化方法的核最小均方时间序列在线预测模型 |
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 |