摘 要

随着当今科技技术发展和信息化水平的提高，船舶行业的发展方向已经逐步转变为信息化、智能化、无人化，因此无人船近年来得到了极大地发展。无人船具有体积小、智能化程度高、管理方便、人员成本低等特点，无论是近海船舶还是远洋船舶近年来都在发展相应类型的无人船。作为船舶动力系统的关键组成部分，柴油发电机组对于散热、热能回收利用、体积、可靠性的要求也在不断提高，因此柴油发电机组的换热器组件也就变得愈发重要。本研究基于提高柴油发电机组换热器的效率，减小换热器的换热损失，以可以提高柴油发电机组效率，从而减小换热器体积，节省无人船中宝贵的空间。

由于换热器的优化设计涉及到的参数非常多，且各个参数之间存在耦合，因此使用传统的换热器设计手段效率极低，且需要依靠设计人员的经验，同时效果也不一定理想。面对这种情况，选择引入计算机算法优化进行换热器优化设计，以提高换热器优化设计的效率，节约时间，同时尽可能使优化结果接近约束条件下的最优解。

本研究探究粒子群算法(PSO)应用于换热器设计优化问题上的可行性。首先对粒子群算法(PSO)和遗传算法(GA)使用标准测试函数进行对比，了解粒子群算法的优势；再将粒子群算法和遗传算法用于换热器设计优化的具体算例中，对比结果，从而论证粒子群算法应用于换热器设计优化的可行性，最终得出如下结论：

1)粒子群算法在板翅式换热器设计优化问题上拥有比遗传算法更好的稳定性。

2)粒子群算法相比遗传算法在迭代初期具有更高的收敛速度，这一特性具有极强的工程实用性，可以在使用更少迭代代数的情况下得到更好的优化结果，有利于提升解决实际工程问题效率。

3)粒子群算法在板翅式换热器优化问题上具有比遗传算法更好的适用性，最终得到的优化结果相比遗传算法得到的结果更好。

4)粒子群算法优化板翅式换热器设计时，虽然计算结果更好，收敛速度更快，但其所有的计算时间比遗传算法更长。

关键词：粒子群算法；算法优化；板翅式换热器；遗传算法

Abstract

With today`s technology development and improvemeng of information laevl,the development direction of shipping industury gradually transform into information,intelligent and unmanned.Therefore,unmanned vehicles has develop quickly in recently years.The unmanned vehicles are charaterized by small volume,high intelligrnt and low personnel cost.Both of offshore vehicles and marine vehicles have been developing corresponding types of unmanned vehicles in recently years.As one of the key component of vehicles’ power system,the requrements of heat dissipationn,heat recovery,volume and reliability of diesel generator are become more and more important.This atudy is based on improve the efficiency of the heat exchanger in diesel generator and reduce the heat loss of heat exchanger,so as to improve the efficiency of the diesel generator,then reduce the volume of heat exchanger to save the space in unmanned vehicles.

Because the optimal design of heat exchanger involves a lot of parameters and there is coupling bewteen each parameter.The efficiency of using traditional design method is very low,which needs to rely on the experience of designers,meanwhile the effect maybe not ideal.To solve this problem,computer algorithm optimization is introduced to optimize the design of heat exchanger,that can improve the effeiciency of the heat exchanger optimization design and save time of optimization design.Meanwhile,that behavior make the result of optimization as close as possible to the optimal solution under constraints.

In this study,we inveatigate the feasibility of Particle Swarm Optimization(PSO) in heat exchanger design optimization.Firstly,compare the PSO and Genetic Algorithm(GA) using the standard test function to understand the advantages of PSO.Then apply PSO and GA to optimize the specific example of heat exchanger design opyimization and compare the result to demonatrate the feasibility of PSO in heat exchanger design optimization.Finally,the following conclusions:

1)PSO has better stability than GA in the design optimization of plate-fin heat exchanger.

2)Compare with GA,PSO has higher convergence rate during the beginning of iteration,which has strong engineering practicability.It can get better optimization result wuth less iterative algebra,that is conducive to improving the efficiency of solving practical engineering problems.

3)PSO has better applicbility than GA in the optimization of plate-fin heat exchanger.

4)When PSO is uesd to optimize design of plate-fin heat exchanger,it can get better optimization result and higher convergence rate,but PSO’s calculation time is longer than GA’s calculation time.

Key words: Particle Swarm Optimization；algorithm optimization；plate-fin heat exchanger；Genetic Algorithm

目录

摘要 I

Abstract II

目录 III

第1章 绪论 1

1.1 研究背景 1

1.2 国内外研究现状 1

1.3 算法优化研究概述 3

1.4 本文主要研究内容和技术路线 4

第2章 粒子群算法 6

2.1粒子群算法 6

2.1.1 粒子群算法介绍 6

2.1.3 数学名词介绍 6

2.1.4 粒子群算法流程 7

2.2 流程图 8

2.3粒子群算法特点 8

2.4 本章小结 8

第3章 遗传算法 9

3.1 遗传算法 9

3.1.1 遗传算法介绍 9

3.1.2 遗传算法原理 9

3.1.3 遗传算法流程 10

3.2 遗传算法流程图 11

3.3 遗传算法的特点 12

3.4 本章小结 12

第4章 标准测试函数测试 13

4.1 Griewank测试函数介绍 13

4.2 Griewank函数图像 13

4.3 Griewank函数测试 13

4.3.1 Griewank函数测试结果 13

4.3.2 Griewank测试结果分析 14

4.3.2.1 熵产数、计算时间分析 14

4.3.2.2 熵产数进化图分析 15

4.4分析结果总结 15

4.5本章小结 15

第5章 换热器优化测试结果 16

5.1 换热器优化算例 16

5.1.1 板翅式换热器换热器 16

5.1.2 目标函数推导 16

5.1.3 测试算例 20

5.2 测试结果 21

5.3 测试结果分析 23

5.3.1 熵产数、计算时间分析 23

5.3.2 熵产数进化图分析 23

5.4 分析结果总结 24

5.5 本章小结 25

第6章 总结与展望 26

6.1 总结 26

6.2 展望 27

参考文献 28

致谢 30

附录 31

第1章 绪论

1.1 研究背景

换热器是将热流体的部分热量传递给冷流体的设备，同时也是提高能源利用效率的设备，既可作为加热器，又可作为冷却器、蒸发器冷凝器等。换热器作为一种十分常见的换热设备，种类十分多样，应用十分广泛。在众多换热器类型中，板翅式换热器作为一种紧凑型换热器，具有体积小、结构简单、换热效率高等优点，因此其被广泛应用于船舶行业中，有利于节省船上换热器所占空间，从而提高空间利用率。在众多船舶设备中，换热器起着十分重要的作用，甚至会影响整个发电机组的效率；同时无人船因为体积较小，需要船上使用的设备在满足功率、散热需求等前提下体积尽量小。因此，优化换热器设计以提高换热器的换热效率、减小换热器热损失、减小体积是十分重要的。

同时由于换热器的设计过程是一项基于试错过程的复杂过程，因而需要针对换热器的设计变量进行选择和验算，这个过程往往需要根据经验选择合适的参数并进行多次验算。对于换热器的优化设计则是在换热器设计的基础上不断进行优化，在特定参数一定的情况下，对余下的参数在允许的范围内进行优化，从而不断提升换热器效率。由于换热器设计设计的参数较多，因此在优化设计过程中需要选择一组参数组合来进行优化，寻找一组最优参数组合使得换热器的设计近似最优。在多个参数同时改变时，参数变化对于总体设计效果的影响不是线性的，各个参数之间存在耦合关系，因此使用计算机优化算法对于此类多变量的换热器优化设计是十分有效的。

本研究以最小熵产作为目标函数，由于熵生成单元数(Ns)表示由系统不可逆性造成的不可用的有用功率的损失量。对于换热器，由于流体流动中存在有限温差传热和沿流向的压降，因此换热存在不可逆性。在此基础上优化换热器或其他系统，即考虑实际设备的有限尺寸约束和实际过程的有限时间约束，使损失或不可用功率最小化^[11]。