Методы прямого поиска в гибридных алгоритмах…
11
Получено приближенное решение:
*
1
,
x
*
2
,
x
*
3
x
и
*
4
x
равны
76, 44,
86,92,
81,91
и
100 %
соответственно. Относительная погрешность
определения значений переменных модели не превышает
2,5 %
при
точности настройки спектра частот порядка
2
10
Гц. Таким образом,
после завершения настройки спектра частот математической модели
газожидкостного потока на заданный аномальный спектр установле-
но появление второй фазы в потоке теплоносителя на выделенных
участках циркуляционного контура.
Пример 2:
вычислительная диагностика промежуточных опор
паропровода коллектора в составе основного оборудования второго
контура реакторной установки [10]. Номинальное значение жест-
костных характеристик опор
40, 0
c
МН/м. Аномальное состояние
объекта характеризуется деградацией материала и соответствующим
уменьшением значений жесткостных характеристик опор. Введены
следующие переменные управления:
( / )100 %
i
i
x c c
,
1, 4
i
, где
i
c c
— текущее значение жесткостной характеристики
i
-й проме-
жуточной опоры. При отсутствии аномальных состояний опор пред-
ставленный в табл. 2 нормальный спектр оборудования
j
,
1, 8
j
,
соответствует максимальным значениям данных характеристик.
Таблица 2
Нормальный и аномальный спектры частот, Гц, колебаний паропровода
_______________________________________________________________________
j
1 2 3 4 5 6 7 8
_______________________________________________________________________
j
13,35 23,46 26,14 27,67 35,96 44,81 51,15 56,90
*
j
9,19 16,98 20,93 26,31 34,04 43,60 51,10 56,88
_______________________________________________________________________
Второй спектр
*
j
, соответствующий аномальному состоянию
оборудования, определен при следующих значениях переменных
управления:
*
1
,
x
*
2
,
x
*
3
x
и
*
4
x
равны
38, 0,
63, 0,
2, 0
и
85, 0 %
соот-
ветственно. В табл. 2 представлены нормальный
j
и аномальный
*
j
,
1, 8
j
, спектры частот колебаний паропровода. Критериальная
функция сформулирована с учетом восьми низших спектральных со-
ставляющих. Для решения задачи вычислительной диагностики ис-
пользуется гибридный алгоритм M-PCASFC. После определения об-
ласти переменных модели, содержащей глобальный минимум,
завершающие итерации гибридного алгоритма проводятся с исполь-
