论文部分内容阅读
随着水电建设的快速发展，机组容量和尺寸急剧增大，转速相应提高，机组振动及其诱发的水电站厂房结构振动问题日益突出，成为目前研究的热点和难点。我国已建的一些高水头、大容量水电站，出现了明显的振动问题，影响了机组的正常运行。针对这些实际问题，对机组振源和振动的研究更加紧迫。我国有许多在建的大型电站及抽水蓄能电站，通过研究建立振动荷载识别的数值模型，探讨振动荷载特性和分析方法，从而为机组和厂房结构的动力优化设计和振动控制提供理论指导和技术依据，具有重要的科学意义和工程价值。 在机组振动问题的研究中，振动激励载荷和系统动态参数的确定成为振动预测与控制的关键问题。本文研究的主要内容是，综合利用传统理论方法和现代智能算法，结合电站厂房振动的现场试验研究和有限元法数值计算分析，应用系统动态识别技术对水电站厂房结构和振动荷载进行动态反分析。 (1)为研究结构动力学参数识别问题，在传统遗传算法的基础上，引入一种新的度量种群多样性的指标，构造新的自适应遗传算子，利用自适应伪并行遗传算法，借助ANSYS软件的参数编程，将其成功应用于某地下厂房结构动力学参数识别。算例研究表明，该识别方法具有很好的全局收敛性能和较强的抗噪能力，可用于工程实际。 (2)对两种传统的时域识别方法进行了较为深入的研究和探讨，其一是基于模态分解的载荷识别方法，其二是基于积分法求解振动方程的荷载反分析方法。比较了二者的优缺点，并通过算例，对其在机组动载荷识别中的应用可行性进行了探讨。 (3)在Elman神经网络的基础上，提出递归小波神经网络，给出了其动态梯度下降算法。该网络具有收敛快，精度高等优点，对动态非线性系统具有很好的识别效果。结合有限元分析，该网络可以用于机组动载荷时域识别，为机组振动载荷识别提供了一种新的思路。 (4)为研究机组动载荷识别问题，基于图解的蚁群系统，提出可用于求解连续优化问题的改进蚁群算法，利用ANSYS动力学分析平台，将其成功应用于机组动载荷的频域参数识别，结合某电厂真机试验数据，进行了真机动载荷识别，为解决工程实际问题提供了一种实用方法。