汽轮发电机定子端部绕组结构优化是发电机设计的一个重要方面,其合理的设计对发电机的安全运行至关重要。若定子端部绕组在两倍工频电磁力的作用下发生共振,或在电磁力作用下的振动过大,都可能导致端部绕组结构破坏,产生严重的后果。所以,在端部绕组结构的设计中,要求其特定形状的模态对应的固有频率避开共振区域,同时在额定负载电磁力作用下的振动幅值小于规定值。粒子群算法具有原理简单、参数少、实现性强等优点,已成功应用于许多工程结构优化领域。考虑到粒子群算法一直都存在的早熟问题,通过引入自适应惯性权重,对粒子群算法进行了改进。在优化过程中,需使用有限元来获得端部绕组的固有频率以及在电磁力作用下端部绕组的振幅来作为目标函数值和约束值。然而,由于有限元计算耗时长,需建立支持向量机近似模型来代替有限元计算,缩短优化时间,提升优化效率。因此,本文提出了改进的粒子群算法和支持向量机近似模型组合优化端部绕组结构的方法。本文的主要研究工作和内容有:1.首先,本文引入自适应惯性权重,提出了一种改进的粒子群算法。结构优化中的设计变量通常是带有约束的离散变量,因此对变量进行离散化处理,并引入惩罚函数策略来处理约束条件,使其变得更加合理。以典型桁架结构为例,验证改进的粒子群算法具有良好的稳定性和有效性,能够很好地解决结构优化问题。2.然后,本文使用支持向量机来建立近似模型来代替有限元计算。支持向量机的参数选择对建立的近似模型的性能有着很大的影响。本文将参数的选择视为一优化问题,采用改进的粒子群算法寻求最优参数,根据所选取的最优参数,得到具有最优参数的结构响应近似模型,代替有限元计算。3.最后,根据具有最优参数的近似模型,结合改进的粒子群算法,优化汽轮发电机定子端部绕组结构。通过最终的结果,验证了采用改进的粒子群算法和支持向量机近似模型相结合的优化方法获得了良好的优化效果,从而可以为结构优化提供一种有效的解决方法。