差分進化算法在傳熱反問題求解中的應(yīng)用

付劍波

摘 要：本文耦合差分進化算法和數(shù)值傳熱學(xué)求解方法，發(fā)展了一種新的傳熱學(xué)反問題求解方法。以二維對流換熱反問題為例，高精度的反演了熱流密度，證明了該算法的正確性和魯棒性?？疾炝藴y量點數(shù)目對反問題求解的影響，計算表明存在一個最少測量點數(shù)，并給出了確定最少測量點數(shù)的方法。研究了測量誤差對算法的影響。結(jié)果表明該算法具有很強的抗噪能力，證明該算法具有很強的穩(wěn)定性和實用性。

關(guān)鍵詞：差分進化算法；傳熱反問題；測量誤差

引言：傳熱反問題在數(shù)學(xué)上常常是的不適定性， 其求解比正問題要復(fù)雜和困難得多。傳熱反問題具有以下特點：

（1）傳熱反問題的解具有不唯一性和不穩(wěn)定性的特點；（2）目標(biāo)函數(shù)與優(yōu)化變量之間沒有解析的函數(shù)關(guān)系式，目標(biāo)函數(shù)的可微性難于保證，求解目標(biāo)函數(shù)的梯度非常復(fù)雜；（3）目標(biāo)函數(shù)具有多峰值、非凸函數(shù)的特點。本文采用新近發(fā)展并得到廣泛應(yīng)用的差分進化算法，耦合傳熱學(xué)數(shù)值求解方法，發(fā)展了一種新的反問題求解方法，并以高溫超導(dǎo)實驗中平行平板管道壁面熱流密度的測量問題為例，驗證了該方法的正確性和實用性。

一、差分進化算法簡介

進化算法（Evolutionary algorithms）具有以下特點：1）尋優(yōu)過程中僅利用函數(shù)本身的信息，對目標(biāo)函數(shù)及約束條件的可微性、凸性沒有要求，且對各類優(yōu)化問題的處理流程基本一致，具有很強的通用性；2）具有較強的全局尋優(yōu)能力和優(yōu)秀的魯棒性，能以較大概率收斂到全局最優(yōu)解；3）采用隨機優(yōu)化算子而不是嚴(yán)格的確定性運算，可直接逼近多目標(biāo)優(yōu)化問題；4）采用群體搜索而不是單點搜索，對初始解沒有要求。

由Storn和Price于1996年提出的差分進化算法（Differen

tial evolution，簡稱DE），是進化算法的一個重大改進，獲得了廣泛的關(guān)注。圖1是DE算法的操作流程圖。

DE算法通常采用實數(shù)編碼，與傳統(tǒng)的進化算法有兩點區(qū)別：1）采用差分算子代替了傳統(tǒng)進化算法中的交叉和變異算子；2）采用一對一選擇策略生成新的種群。設(shè)第t代中第i個染色體表示為：CHti=（chti，1，chti，2，chti，j，chti，n） （1）

圖1差分進化算法流程圖圖 2linear_quadratic問題迭代收斂史

設(shè)chtbest，t是第代最優(yōu)個體，chtp，j和chtq，j是第t代隨機選出的不同個體，差分算子可表示為：

（2）

其中r是[0，1.0]之間的隨機數(shù)。DE算法操作十分簡單，在尋優(yōu)過程中只需要兩個參數(shù)：定標(biāo)因子F和闕值因子CR。其中F∈[0，1.0]，文中取0.85，CR∈[0，1.0]，文中取1.0。從式（2）可以看出，差分算子利用種群中多個個體的信息，正是這一特點使得

DE算法較傳統(tǒng)的進化算法具有更優(yōu)秀的魯棒性和全局尋優(yōu)能力。本文選擇linear_quadratic問題，驗證DE算法在處理多峰值、高維問題時的魯棒性和全局尋優(yōu)能力。linear_quadratic問題定義為：

（3）

其中ui∈[-200，200]， i﹦1，2，…，45。該函數(shù)具有參數(shù)相互關(guān)聯(lián)的特點，優(yōu)化難度相當(dāng)大。對該函數(shù)，本文采用DE算法進行100次隨機試驗，圖2給出了函數(shù)優(yōu)化過程的迭代收斂史。

二、傳熱反問題求解方法及應(yīng)用

本文以差分進化算法為核心，耦合數(shù)值傳熱學(xué)求解技術(shù)，發(fā)展了一種適用于求解傳熱反問題全局自動求解算法。圖3是該算法的執(zhí)行流程圖。

圖3 傳熱反問題求解算法流程圖

（一）數(shù)學(xué)模型。本文考慮一個平行平板的層流受迫對流的情況。其中管道的一個壁面絕熱， 而另一壁面受到隨空間變化的熱流。流體進入管道的流體溫度為T0 ，如圖4所示。

圖4 二維對流換熱問題示意圖 圖5 迭代收斂史

該問題的數(shù)學(xué)模型可表示為：

以um 表示流體的平均速度，u（y）可表示為：

一般情況是已知熱流密度q（x）求溫度分布，這就是所謂的正問題。該問題可通過數(shù)值傳熱的方法直接求解。但在工程測量和科學(xué)實驗中熱流密度往往是未知的或難以測量的，通過在管道內(nèi)壁附近沿流線方向放置若干個測溫?zé)犭娕迹?可以測量得到流體溫度場的一些離散信息， 通過方程（1） 求管道壁面的熱流密度，這就是一個已知若干測量點的溫度值求解未知的邊界熱流q（x）的二維對流換熱反問題。

（二）目標(biāo)函數(shù)和優(yōu)化變量。本文目標(biāo)函數(shù)定義為試驗測定點的溫度和給定壁面熱流條件下采用數(shù)值傳熱方法計算出該測量點的溫度的差，可表示為： fobj=■T■■-T■■ （6）

其中n為測量點的個數(shù)，Tm表示測量溫度值，Tc表示計算溫度值。該問題的優(yōu)化變量為壁面熱流密度。

三、計算結(jié)果及分析

（一）參數(shù)設(shè)定。本文中給定進口流體的溫度T0=293k，平行平板管道的長的b=1.6m，間隔L=0.01m，熱電耦放置的位置為y=

0.00923m，流體參數(shù)為：ρ=845kg/m3，Cp=2200J/（kg·k），λ=0.

137W/（m·k），平均流速um=0.04m/s。假設(shè)管道壁面上方受到一個已知的正弦變化熱流：q（x）=3000 ·sin（πx/0.55）+700 （7）

并定義熱流密度計算誤差： q=■■q■■-q■■ （8）

其中n為x方向網(wǎng)格點數(shù)，qm表示理想溫度值，qc表示計算熱流值。在每個算例的優(yōu)化過程中，DE算法中的父代個體數(shù)為200，最大計算代數(shù)為1000。溫度場求解的網(wǎng)格數(shù)為。

（二）算法正確性驗證。為了驗證本文提出的反問題求解算法的正確性，設(shè)定在y=0.00923m上均勻分布的51個點的計算溫度為測量溫度，進行5次獨立運算，反算熱流密度。5次獨立運算的熱流密度誤差都約等于2.2，證明了該算法的穩(wěn)定性和正確性。

圖6 最優(yōu)溫度變化 圖7 最優(yōu)熱流變化

（三）測量點數(shù)對熱流密度的影響。本節(jié)研究測量點的數(shù)目對反問題解的影響，給出了一種確定最少測量點數(shù)目的方法，同時也研究的測量點數(shù)對解的唯一性的影響。

圖8 熱流密度誤差隨測量點的變化圖 9 最優(yōu)熱流密度隨測量點的變化

圖8給出了熱流密度誤差隨測量點數(shù)目的變化，圖9給出了最優(yōu)熱流密度隨測量點數(shù)目的變化。應(yīng)用本文提出的傳熱反問題求解算法，通過計算熱流密度誤差隨測量點數(shù)的變化，可以確定測量點數(shù)目的最小值，為試驗測量點的敷設(shè)提供參考。

（四）測量誤差對熱流密度的影響?？乖胄阅芎头€(wěn)定性是反問題研究關(guān)注的重要內(nèi)容之一。為驗證其抗噪能力，本文假設(shè)各點溫度的測量值具有相同的標(biāo)準(zhǔn)偏差，測量點上的目標(biāo)溫度值設(shè)定為在理想溫度值加上隨機的測量誤差，即：

Tmi=Tmi+r （9）

其中r是[-σ，σ]之間的隨機數(shù)。圖10給出了在y=

0.00923m上均勻分布的34個點的計算溫度為測量溫度，分別取0.1，0.5，1.0時的最優(yōu)溫度分布和最優(yōu)熱流分布。

從圖中可以看出，隨著測量誤差的增大，反算的熱流密度誤差隨之增大。但在時求得的熱流密度能基本反映輸入熱流密度的特征，表明該算法有很強的抗噪能力。

四、結(jié)論

1）本文耦合差分進化算法和數(shù)值傳熱學(xué)求解方法，發(fā)展了一種新的傳熱學(xué)反問題求解方法。以二維對流換熱反問題為例，以理想的計算溫度為測量溫度，5次獨立運算均能高精度的反演熱流密度，證明了該算法的正確性和魯棒性。2）考察了測量點數(shù)目對反問題求解的影響，計算表明存在一個最少測量點數(shù)，當(dāng)測量點的數(shù)目大于這個最小值時，測量點數(shù)對熱流密度的計算精度影響不大，但當(dāng)測量點的數(shù)目小于這個最小值時，熱流密度誤差急劇增加。給出了確定最少測量點數(shù)的方法。

3）研究了測量誤差對反問題解的影響。計算表明，該算法具有很強的抗噪能力。表明該算法具有很強的穩(wěn)定性和實用性。

參考文獻(xiàn)：

[1] Beck J V ， Blackwell B ， Haji2Sheikh A. Comparison of inverse heat conduction methods using experimental data [J] . International Journal of Heat Mass Transfer， 1996 ，39 （17） ：3649 - 3657.

[2] Hrstka O. A Competitive Comparison of Different Types of Evolutionary Algorithms， Computers & Structures， 2003.