多种群遗传算法在湿蒸气参量测量中的应用

杨 颖，黄竹青，2*，刘芳艳，蔡 成，许春山

(1.长沙理工大学能源与动力工程学院，长沙410114;2.湖南有色金属职业技术学院，株洲412006)

引 言

湿蒸气中水滴粒径、浓度和尺度分布参量是汽轮机末级蒸汽湿度监测中的主要参量，对汽轮机的安全经济运行有着非常重要的影响。实时监测湿蒸气中水滴粒径的变化和分布情况，给锅炉的给水提供参考依据，对提高汽轮机效率、降低高速水滴对叶片产生的冲蚀有着重要的意义［1-3］。激光散射法测量湿蒸气参量是通过接收水滴群散射空间在某一立体角内的散射光强来实现的。以往多个湿蒸气参量的搜索是对各个参量设置步长进行单点搜索，需要设置多重循环，进行大量的计算才能得所需参量值，且搜索精度受步长的限制。因此，寻求一种合适的方法提高搜索速度和精度非常必要。

遗传算法(genetic algorithm，GA)是一种以达尔文的进化论和孟德尔的遗传学说为基础的全局优化算法，具有很强的鲁棒性和全局搜索能力。标准遗传算法(simple genetic algorithm，SGA)初始产生单个种群进行搜索［4-6］，易过早收敛，当求解到一定范围时会做大量无效的冗余计算，搜索效率低，容易陷入局部最优解，对系统的反馈信息利用较少。多种群遗传算法(multi-population genetic algorithm，MPGA)是一些改进遗传算法性能的方法中较好的一种［7-9］，其基本思路是随机产生多个不同控制参量的种群并行搜索，各个种群之间通过移民算子进行联系，协同进化，加快了进化速度，有效地克制了未成熟收敛。因此，本文中提出以MPGA反演湿蒸气参量，通过对仿真数据和实验数据的搜索寻优，验证了该算法用在激光散射法测量湿蒸气参量中的有效性、可行性。……