基于GA-BP神经网络对控制棒水力缓冲器的性能预测和结构参数优化

来源：核动力工程杂志2023年第6期北京时间：

作者：张相文, 范晨光, 何安, 武闯, 杨宇静

单位：1.西南交通大学力学与航空航天学院，成都，610031；2.应用力学与结构安全四川省重点实验室，成都，610031；

摘要：为通过遗传算法（GA）改进的反向传播（BP）神经网络模型预测控制棒组件水力缓冲器的缓冲性能，并实现结构参数优化，本研究对一种特定的控制棒组件水力缓冲器静水中的落棒进行模拟试验，变换试验可调参数，设置不同的试验工况，获取了大量的试验数据，通过GA-BP神经网络对控制棒组件落棒过程的最大冲击力进行预测，并构建优化数学模型，使用非线性规划函数（fmincon）进行求解，获得更优的结构参数组合。结果表明：GA-BP神经网络模型相较于BP神经网络模型具有更高的预测精度，通过fmincon函数可以实现对控制棒组件最大冲击力优化数学模型的快速求解。因此，本文的优化方法可为水力缓冲器的结构优化设计提供一定的参考。

关键词：控制棒水力缓冲器, 缓冲性能试验, 最大冲击力, GA-BP神经网络, 参数优化

基金资助：四川省自然科学基金面上项目（2023NSFSC0068）