摘要
本发明提供一种螺旋溜槽结构参数渐进式优化设计方法,涉及螺旋溜槽优化设计技术领域,该方法通过建立气液固三相流场的数值仿真模型,验证并优化数值仿真模型达到预定标准。确认一级优化结构参数,随机生成多组一级优化结构参数作为样本方案,并利用RBF神经网络训练模型预测分选效率和流动均匀度,最终计算适应度值并进行遗传算法优化。经过优化后,进一步修正得到最佳参数值,作为第一组优化结构参数。接着,将螺旋溜槽截面细分为直线段与曲线段以确认二级优化结构参数,继续选择适应度最大化作为第二优化目标,采用相同的方法获取二级优化结构参数最佳值。该方法旨在提高螺旋溜槽的分选效率及流动均匀度,满足工程设计需求。
技术关键词
螺旋溜槽结构
数值仿真模型
RBF神经网络
优化设计方法
参数
固体颗粒
神经网络模型
监测点
样本
直线段
粗糙度
颗粒运动轨迹
优化设计技术
曲线
壁面
遗传算法优化
气液固三相
非线性
系统为您推荐了相关专利信息
驾驶员方向盘
智能驾驶系统
力矩
扭矩传感器
控制助力电机
分类神经网络
模型误差
进化算法
神经网络训练
分类方法
模型构建方法
充放电动作
滑动窗口
周期
模式特征向量
视频生成模型
噪声预测
噪声信息
噪声强度
随机噪声