行波感应加热装置优化设计

摘要

金属的热处理(Heat Treatment,HT)技术直接影响金属制品的性能。若使用传统热处理技术会导致被加热带材各部分加热速度快慢不均,进而产生带材各部分的氧化程度不同,甚至会导致带材局部温度过冷或过热使带材变形损坏等严重问题。为解决这些问题,新的热处理技术应运而生。
　　行波感应加热(Traveling Wave Induction Heating, TWIH)除具有传统感应加热技术的优点外,能够产生比传统感应加热更均匀的温度分布,而且还具有振动小和工业噪音低等显著优点。虽然行波感应加热技术具有如此之多的优点,但是其尚处于理论研究阶段,诸多问题有待进一步研究。本文在查阅大量相关文献资料以及研究总结前人研究成果的基础上,建立起行波感应加热装置三维模型,利用 ANSYS 软件实现了对行波感应加热装置涡流场、温度场两个物理场的耦合分析计算。为使被加热带材薄板出口处温度分布更加均匀,建立行波感应加热装置优化模型；解决了改进人工搜索群算法程序与 ANSYS 软件之间数据接口问题,并利用改进人工搜索群算法(Improved Artificial Searching Swarm Algorithm, IASSA)对行波感应加热装置进行优化设计。
　　人工搜索群算法(Artificial Searching Swarm Algorithm,ASSA)作为一种新型的仿生智能优化算法,通过模拟人类士兵执行某一特定搜索任务,并执行相应的规则找到搜索目标,从而解决相应的优化设计问题。文中总结了人工搜索群算法的基本原理和实现步骤；进行了一系列复杂函数的性能测试；详细分析了各参数对算法收敛速度和寻优能力的影响。根据各参数对算法性能影响的分析结果以及参考相关文献的基础上,改进步长参数,引入动态步长,提出改进人工搜索群算法。随后对其进行一系列复杂函数的性能检测,检验结果验证了改进算法的有效性。
　　为解决优化求解过程中因计算量浩大而引起的求解时间过长的问题,文中探索利用人工神经网络(Artificial Neural Network,ANN)的预测能力,通过均匀实验利用ANSYS有限元计算得出的单元焦耳热密度数据作为训练样本,训练神经网络预测带材薄板表面单元焦耳热密度的平均相对误差。以训练好的神经网络代替 ANSYS的电磁场正问题计算,再与改进人工搜索群算法结合,对行波感应加热装置进行优化求解。通过这个思路可以减小优化求解过程中的计算量,进而缩短优化求解时间。为解决电磁场逆问题计算量浩大的问题做了有益尝试。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1-1 课题的背景及研究意义

§1-2 电磁场逆问题的研究现状

§1-3行波感应加热技术的发展及研究现状

§1-4 人工搜索群算法简介

§1-5 本课题的主要研究内容

第二章 人工搜索群算法及其改进

§2-1 人工搜索群算法原理

§2-2 人工搜索群算法性能测试

§2-3 各参数对算法性能的影响

§2-4 人工搜索群算法改进

§2-5 本章小结

第三章 行波感应加热数学模型

§3-1 行波感应加热涡流场数学模型

§3-2 行波感应加热温度场数学模型

§3-3 本章小结

第四章 行波感应加热装置优化设计

§4-1 行波感应加热装置模型选定及计算

§4-2 行波感应加热装置优化设计模型

§4-3 本章小结

第五章 行波感应加热人工神经网络预测

§5-1人工神经网络

§5-2 行波感应加热神经网络预测

§5-3 基于神经网络的行波感应加热装置优化

§5-4 本章小结

第六章 总结与展望

§6-1 本文总结

§6-2 下一步工作展望

参考文献

致谢

攻读学位期间所取得的相关科研成果