《Table 2 Training samples and testing samples》
式中F(·)为适应度函数,ηavg通过SVM代理模型计算。遗传算法的基本操作包括编码、适应度评价、选择、交叉、变异。优化过程通过Matlab遗传算法工具箱实现,初始种群数量为20,适应度通过计算个体适应值在群体总适应值中所占比例大小分配;再生参数中精英数量为2,交叉分数为0.8;变异参数通过高斯变异函数确定;交叉参数通过分散交叉函数确定;初始惩罚参数设置为10,惩罚因子为100;最大迭代步数为100。以(L1/D,L2/D,h/D)=(3.0,2.0,0.8)为初始参考结构,图7为适应度函数随迭代步数的变化曲线,表3为优化前后的浅槽孔结构参数。在低吹风比下,适应度函数值从3.875降为2.918,当迭代步数达到22后,适应度不再发生明显变化;在高吹风比下,适应度函数值从7.33降为3.756,当迭代步数达到20后,适应度不再发生明显变化。
图表编号 | XD0058237200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 冯红科、王春华、范芳苏、张靖周 |
绘制单位 | 南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室、南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室、南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室、南京航空航天大学能源与动力学院江苏省航空动力系统重点实验室、先进航空发动机协同创新中心 |
更多格式 | 高清、无水印(增值服务) |