一种用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法

本发明属于优化设计，涉及一种用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法。

背景技术：

1、主蒸汽隔离阀是核电站主蒸汽系统的关键部件。它安装在蒸汽发生器和涡轮机之间的第二回路上。在正常运行期间，隔离阀保持打开状态，允许蒸汽流动。而当事故发生的时候，主蒸汽隔离阀能够迅速关闭，对回路进行隔离，以确保系统安全。阀门的开关机构依赖于调整活塞两侧的压差，而压差主要受位于活塞和主轴上的节流孔的影响。设计人员通常会通过改变节流孔的尺寸来调整阀门开启和关闭过程中的一系列指标。

2、不确定性是真实世界优化问题中各类型参数所固有的特性，例如材料特性和结构的几何尺寸，因此，可靠性是在装备设计流程中需要重点考虑的解决的主题。可靠性优化能找到结构或者系统在不确定性因素的影响下安全可靠而不失效的最优解决方案，因此，对产品的优化设计具有重要的意义。隔离阀的节流孔由于加工误差的原因具有随机不确定性。因此，需要通过可靠性优化的方法来调整隔离阀的性能指标。由于隔离阀的设计需要通过耗时的仿真计算目标响应，因此需要借助代理模型技术来加速优化的进程。然而，现有的基于代理模型的可靠性优化方法仅仅将代理模型技术简单的应用到了可靠性优化算法中，而没有考虑由于代理模型预测的不确定性对可靠性优化求解精度的损失，同时，现有的用于可靠性优化的主动学习方法没有考虑代理模型预测的不确定信息，导致主动学习准则难以定位最优点，导致可靠性优化的结果大打折扣。因此，本发明针对这一问题，提出了一种用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法。

技术实现思路

1、针对现有技术存在的基于代理模型的可靠性优化方法没有考虑用于主蒸汽隔离阀可靠新优化中代理模型不确定性的问题，本发明提供了一种基于单循环期望改进准则的主动学习可靠性优化方法，旨在利用代理模型的不确定信息，提高主蒸汽隔离阀可靠性优化的性能。

2、为了达到上述目的，本发明采用的技术方案为：

3、一种用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法，包括如下步骤：

4、第一步：首先确定主蒸汽隔离阀可靠性优化问题的可靠性优化问题的变量个数、变量范围、目标函数和性能函数。变量包括活塞上的节流孔尺寸和活塞杆上的节流孔尺寸。主蒸汽隔离阀设计的目标是减小阀门开启的死区时间，而性能函数保证阀门开关的一系列性能指标要求。

5、使用拉丁超立方采样方法对已定的变量在变量范围内生成初始样本的输入d作为输入样本集，随后将这些样本输入主蒸汽隔离阀的cfd仿真中对该样本点的性能指标进行评估，得到主蒸汽隔离阀开启关闭过程的位移曲线，从而提取出这些样本的输出目标函数y和输出性能函数g，获得输出样本集。

6、第二步：对于主蒸汽隔离阀可靠性优化中需要的目标函数和性能函数，通过评估得到的输入输出样本集分别构建kriging代理模型。得到kriging模型在任意未知输入数据点x处的均值预测和方差预测为：

7、

8、和

9、

10、其中，和为kriging模型估计的两个参数。r为kriging模型的相关性矩阵，f是用于训练代理模型的响应数据，r(x)为未知样本点x与样本集d之间的相关性向量。

11、第三步：设置初始点为xinitial，应用单循环可靠性优化算法并基于得到的目标函数和性能函数kriging模型得到当前的最优点xcurrent，对xcurrent点的目标函数与性能函数通过cfd仿真进行精确评估，并将输入xcurrent加入样本集d中，目标函数与性能函数响应分别加入y和g中。

12、第四步：计算任意点x的期望改进e[i(x)]为：

13、

14、其中，fmin为当前目标函数样本集y中的最优点，φ()是标准正态分布的累积分布函数，φ()是标准正态分布的概率密度函数。

15、对于第i个性能函数的单循环可行性概率p[ri(x)]计算为：

16、

17、其中，和为kriging模型对第i个性能函数的预测均值和预测标准差，y为积分变量，为点x的最可能失效点，其计算方式为：

18、

19、上式中，βi为目标可靠性指数，σx为正态分布设计变量的标准差，表示哈达玛乘积，即矩阵的对应元素相乘。表示求性能函数的梯度。

20、最终，得到单循环期望改进准则slbei(x)为：

21、

22、其中，m为性能函数的个数。

23、第五步：在设计空间内通过优化算法求单循环期望改进最大的点，表示为：

24、xnew＝argmax(slbei(x)) (7)

25、之后，通过cfd仿真对新的未知点xnew进行精确评估，并将输入xnew加入样本集d中，目标函数与性能函数响应分别加入y和g中。重复第二步到第五步，直到两次迭代所得到的结果的欧式距离小于设定值，算法终止。最终输出主蒸汽隔离阀可靠性优化的结果。

26、本发明的有效增益效果为：本发明将代理模型的预测不确定性考虑到主蒸汽隔离阀可靠性优化当中，提出了种基于单循环期望改进准则的主动学习可靠性优化方法，基于单循环可靠性优化方法和kriging代理模型的期望改进准则，设计了单循环期望改进准则，该准则能够利用代理模型的不确定性辅助主动学习探索设计空间，找到满足可靠性有求的最优点，从而提高主蒸汽隔离阀可靠性优化的效果。

技术特征：

1.一种用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法，其特征在于，包括如下步骤：

技术总结本发明属于优化设计技术领域，涉及用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法。首先，根据主蒸汽隔离阀可靠性优化问题确定变量的维度以及其概率分布，确定开启时间目标函数以及其他时间指标的性能函数。采用拉丁超立方采样方法生成初始样本，构建目标函数和性能函数的Kriging代理模型。用单循环方法对当前解进行优化，并将得到的点进行评估并加入样本集中，通过最大化单循环期望改进的准则进行主动学习加点，找到单循环期望改进最大的点，对其进行评估并将其加入到训练集中。重复代理模型训练、可靠性优化以及主动学习的过程，直到满足停止准则，得到满足可靠性要求的主蒸汽隔离阀优化问题的最优解。技术研发人员：宋学官,庞勇,张帅,杨亮亮,梁朋伟,王一棠,刘富文受保护的技术使用者：大连理工大学技术研发日：技术公布日：2024/7/29