石油化工设备设计计算文章编号100板式换热器遗传算法优化设计商建平，俞树荣21兰州石化职业技术学院，甘肃兰州730062甘肃工业大学，甘肃兰州730050和优化设计算例。结果明，采用遗传算法的板式换热器优化设计比传统方法的优化设计更准确更有效。　　在传统的板式换热器优化设计中，优化方法是将板式换热器型号流程数和通道数进行枚举运算，又寸每种型号每种流程组合型式进行排列组合厂进廿篦数仉大时，会仲1算兄增加，这算时间成倍延。不仅如此。邵些在板式换热器设计中对其取值范围有特殊要求的重要变优化运算后不定满足要求。这缺点使优化设计结果不准，甚屯导致设计尤效。经过对优化设计方法的研宄比较，遗传算法能较好地克服上述缺点。　　遗传算法，把。12，1.荀称，1由戈玉1.1也，人7的。，1.教授提出。是将优化问题中决策变量的求解空间映射到遗传基因的搜索空间，淘汰劣质基因的个体鼓励发展优质基因的个体，逐步提高整个群体的品质。直允对应的决策变只需知道如何根据解来求得其相应的适应度，不要求适应度函数满足连续可微等条件因而应用范3；广泛。　　1决策变量确定在以热水为热流体的板式换热器设计中。给，出口温度热冷侧的污垢热阻以及冷流体的流量。　　确定换热器的型号后，能够自由变动的变量只能是热冷流体的流程数和通道数5因此，传统的板式换热器优化设计的决策变量，般是板式换热器的型号热冷流体的流程数和通道数。*优的换热器型号和*优的流程组合就是优化设计的结果。但是，对取值范围有特殊要求的重要变量不定全部收稿日期2001012得到满足。所以，决策变量首先应该是有要求的重要变量。并且这些变董还能够唯确定出换热器型Cm号和流程组合。　　热流体流速咐和冷流体流速影响换热性能和流体压力降，流速高传热系数高，但是流体的阻力降也，大。反之则情况相反，流速过低将会形成较大的死角。和属于有要求的重要变量。对于多程板式换热器，除特殊需要外，同流体在各程中应采用相同的通道数这样热流体的流程数乘以通逍数于冷流体的流程数乘以通道数。流程数和通道数均为正整数。因此，由柬和可直接确定出热冷流体各流程相同的通道数取整后为1心，为了消除取整产生的误差，应重新进行计算骑和。艮口为使换热器板片面积和流体阻力降尽可能小，应尽量减少流程数。因此，热冷流体流程数分别为叫和，的*小公倍数除以相应的通道数由咐和可以确定出流程组合，又可以通过遗传算法得到其正确的数值，从而得到有效的优化设计结果。　　2目标函数文中采用投资费用的总现值为板式换热器优化设计的目标函数。投资费用的总现值分为板式换热器次性投资费用和计算期内各年运行费用现值的总和①板式换热器次性投资费用人。　　5.+私蜘。式中，队为采购运输安装费用系数，为板片价格，冰为实际换热器板片面积为换热器框架价格，1为换热器台数。，如果不考虑风险和迎货膨胀，则各年运行费用以及社会贴现率为定，计克期内各年运于费目现总和式中，为讣算期。3；1为各运行费用，=+.其中0为因流体阻力降造投资费用的总现值就是板式换热器优化设计的目标函数，可示为3适应度函数此*优化问题属于求目标函数的全局*小值问题，并且目标函数始终大于，因此将目标函数转换为，应度闲数方法1标函数值更大的数，为估计值。　　适设度函数反映个体对生存环境适应能力的强弱，明个体之间竞争的能力，决定个体的生存机会。遗传运算后，适应度函数值*大的个体就是*好的个体，它的目标函数值*小，其基因现型决策变量数仇就圮*优解。　　4遗传算法4.1防始群休用进制编码串来示决策变量的编码，每个决策变量的编码用，位进制编码串示，染色体初始群体是1姐机产十。的。在每个个体的染色体各个位上对01进行概率相同的随机抽选，得到1个个沭山和群体大小相数目的1群个体组成初始群体，然，这样随机产生的群体各个个体的现型和适应度也比较分散，相对较差。而遗传算法正是从初始群体开始遗传，向*优个体靠拢的。4.2体评价首先对染色体进行解码，即将个体的基因型转换为现型，将各个决策变量的进制编码串转化为十进制数。作为离散决策变量的板式换热器型号编其搜索空叫和求解宁间，多对的泠系对1离散决策变量，将各决策变景的定义域离散化。　　由十进制数转化为在定义域内的相应决策变量值，使搜索空间和求解空间具有对应的关系。　　由各个个体现型的值，计算出板式换热器数学模型中的其它变量，解得各个个体的目标函数值，再将目标函数值转换为适应度函数值，并计算出整在该代群体中，由适应度函数值大小评价出*好的和*坏的个体并比较出当前*好的个体。　　遗传操作遗传算法主要有选择交叉及变异3个遗传操作。，运算比例选择算子。根据各个个体的适应度值在群体总适应度中所占比例大小，进行随机选择，比例人者被选择的概率火，次数也讨能多，将被选出选出优秀的个体作为繁殖后代的父代，2运算交叉算子。先将新群体中的各个个体排序，再随机打乱顺序，取相邻两个体进行配对，交叉点在染色体全部点中随机抽选，再根据确定的交叉概率决定是6交义，交叉的的在厂产生新的基因组合，得到新的个体可探测搜索空间中的新区域。，运算变异算子。采用基本位变异，对每位取确定的变异概率决定是否变异。变异能恢复丢失的遗传信息，生成新随机搜索4.4终止准则判断遗传运算是否终止的准则主要有①遗传兑法己找到能接受的优秀个体。，遗传算法己迸化了预定的终止代数。，在定的代数内，当前*好个体的适应度无改进。*好个体在群体中的比例己达到定的水平。　　为使计算时间定，文中的终止准则选为遗传算法边化到预定的终止代数。若达到遗传终止代数，遗传运算终止，若没达到遗传终止代数时。遗传运算不终止，则1进厅评价和遗传操作5算例15某厂利用低温余热供暖，余热水流量为1 =47.16水温为山=60采暖循环水的流量为cr=；1为0.1719721采购运输安装费用系数为1.2，板片价格为800元，换热器枢架价格为16804元台，2台板式换热器并联，维修费提取率为电价为0.13元贾社会贴现率为8，计算期为2，3年运行为3096水泵机组效率7，板片导热系数为45贾1由板式换热器设计提出的决策变量取值范围为板型编号户2，3，4选取兰州石油机械研究所板式换热器0.2mAnhQ8in0.2mAvr，CO.　　根据实验中较好的计算时间和计算精度选取遗传算法的运行参数，户的编码串长度为=3，咐和的编码串长度均为2=3=10，染色体长度为1+2+6=23，群体大小财=50.交义概率，= 0.65货异概率为。终止代数为5，传统优化中的参数，=90000.遗传算法优化结果与传统优化结汜1.　　计算方法型式传统优化方法基本遗传算法结果明，遗传算法得到的投资费用的总现值减少了14.5，传热总面积减少了63.5，热冷流体压降分别减少了62.9和76.9，说明遗传算法优于传统的优化方法并且优化的决策变量均满足板式换热器设计中提出的要求，保证了设计结果的有效性。　　6结语传统的枚举优化方法的运算时间难以预料，并且不能保证屯要变量的，伉范围。从而+能保证优化设计结果准确有效。采用遗传算法对板式换热传统枚举优化方法。采用文中提出的决策变量，克服了传统优化方法的缺陷，从而能得到有效的优化设计结果。　　1杨崇阵张明心。中挣京椅式冉热器1以设汁=！0邛。北京机械工业出版社。1998 I2扣1良。王煦，人。庄镇泉。等。遗传算认及！。北京民邮电出版社，1996姚平经。郑轩荣。换热器系统的模拟优化与综合叫。北京化学工业出版社，1992