模拟退火遗传算法在风力提水机翼型优化设计中的研究

来源 :太阳能学报 | 被引量 : 0次 | 上传用户:a6863156
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为提高风力提水机翼型气动性能,根据已有的自适应模拟退火遗传算法思想,设计一种自适应模拟退火遗传算法(GASA),将其运用到风力提水及翼型优化设计中。该种自适应模拟退火遗传算法(GASA),能弥补使用传统遗传算法(GA)进行优化设计时出现的局部搜索精度不高的缺点,提高优化算法效率。该文给出了对风力提水机设计使用的小厚度翼型NACA4412优化设计的实例,使用自适应模拟退火遗传算法和遗传算法优化后的翼型,其升阻比相比标准翼型分别提高了4.02%、3.89%,验证了设计的自适应模拟退火算法在风力提水机翼型优化设
其他文献
为及时准确地评价风电机组齿轮箱的健康程度,提出一种基于KECA-GRNN的性能监测与评估方法。该方法分为状态监测、故障预测、健康评估3个阶段。在状态监测阶段,将KECA算法应用到风电机组的性能监测中,并采用SPE统计量监测齿轮箱状态。在故障预测阶段,将KECA算法提取的主元数据作为GRNN模型输入,建立KECA-GRNN预测模型,并采用预测残差的变化趋势定义报警限,实现故障的早期预警。在健康评估阶段,将多变量预测残差进行融合,增强评估的可靠性。最后,将该方法应用于某风场一台1.5 WM风电机组在故障前近2