声明
致谢
摘要
1 绪论
1.1 课题研究背景
1.1.1 最优化问题及骨干粒子群优化算法的研究背景
1.1.2 电力变压器设计优化的研究背景
1.2 课题研究现状综述
1.2.1 粒子群算法研究现状
1.2.2 骨干粒子群算法研究现状
1.2.3 变压器设计优化研究综述
1.3 本文工作及组织结构
2 骨干粒子群算法回顾与分析
2.1 引言
2.2 粒子群及骨干粒子群重要改进形式回顾与分析
2.2.1 原始粒子群算法(PSO)
2.2.2 带惯性权重的粒子群算法(PSO-In)
2.2.3 带收缩系数的粒子群算法(PSO-Co)
2.2.4 全面学习粒子群算法(CLPSO)
2.2.5 高斯骨干粒子群算法(GBBPSO)
2.2.6 量子粒子群算法(QPSO)
2.2.7 高斯量子粒子群算法(GQPSO)
2.3 基准测试函数
2.4 骨干粒子群的一般形式总结
2.4.1 GBBPSO的发展
2.4.2 邻域模型的表示
2.4.3 BBPSO一般模型的建立与分析
2.5 本章小结
3 骨干粒子群算法客观性及求解特性分析
3.1 引言
3.2 BBPSO算法的两种实现形式
3.3 BBPSO平移不变性分析
3.4 BBPSO-Ⅰ特性分析
3.4.1 旋转特性分析
3.4.2 粒子多样性分析
3.4.3 理论分析
3.5 BBPSO-Ⅱ特性分析
3.5.1 粒子多样性分析
3.5.2 坐标轴偏向分析
3.5.3 理论分析
3.6 优化性能分析
3.7 本章小结
4 基于剪枝策略的骨干粒子群算法及分析
4.1 引言
4.2 基于剪枝策略的骨干粒子群算法(NPSO)
4.2.1 进化方程
4.2.2 剪枝策略
4.2.3 标准NPSO及算法流程
4.3 控制参数对群体收敛的影响
4.3.1 理论分析
4.3.2 实验验证
4.4 新方程对算法全局收敛性的影响
4.4.1 全局收敛准则
4.4.2 NPSO的全局收敛性
4.5 控制参数实验分析
4.5.1 固定控制策略分析
4.5.2 时变控制策略分析
4.5.3 参数控制分析小结和讨论
4.6 剪枝策略实验分析
4.7 算法对比实验
4.7.1 算法对比实验描述
4.7.2 算法对比实验结果
4.7.3 粒子轨迹分析
4.8 本章小结
5 基于改进BBPSO算法的电力变压器电磁优化设计
5.1 引言
5.2 电力变压器电磁设计和计算过程
5.3 电力变压器电磁优化设计数学模型
5.3.1 目标函数
5.3.2 约束条件
5.3.3 解空间
5.3.4 数学模型
5.4 基于回归分析的启发式求解
5.4.1 算法流程
5.4.2 计算分析
5.5 基于NPSO算法的求解
5.5.1 问题复杂度分析
5.5.2 约束处理
5.5.3 算法流程
5.5.4 参数分析
5.5.5 案例分析
5.6 本章小结
6 基于改进BBPSO算法的大型电力变压器油箱强度分析
6.1 引言
6.2 有限元分析模型的建立
6.2.1 油箱整体模型
6.2.2 弹簧连接模型
6.2.3 边界条件
6.3 基于NPSO算法的弹簧刚度计算方法
6.4 弹簧刚度计算和模型验证
6.5 实例计算与分析
6.5.1 加强筋型油箱型强度分析
6.5.2 波纹壁型油箱模型强度分析
6.6 本章小结
7 总结和展望
7.1 全文总结
7.2 工作展望
参考文献
附录
攻读博士学位期间完成的论文、成果和参加的科研项目