Skip to content
Snippets Groups Projects
Commit 848a8e1e authored by Steinmann's avatar Steinmann
Browse files

started inicialization of Liner Solver

parent 7107bbbb
No related branches found
No related tags found
No related merge requests found
Show whitespace changes
Inline Side-by-side
Showing
with 51 additions and 24 deletions
optimierung_pymoo.ipynb
+ 51
− 24
View file @ 848a8e1e
%% Cell type:markdown id: tags: %% Cell type:markdown id: tags:
Formulieren der Optimierungsgleichung in pymoo Formulieren der Optimierungsgleichung in pymoo
%% Cell type:markdown id: tags: %% Cell type:markdown id: tags:
Es gilt die Kontinuitätsgleichung: Es gilt die Kontinuitätsgleichung:
$ \Sigma \dot{V}_k(t) = O$ $ \Sigma \dot{V}_k(t) = O$
und die aus der Topologie resultierende Inzidenzmatrix $A_i$ und die aus der Topologie resultierende Inzidenzmatrix $A_i$
sowie die aus dem Pumpenkennfeld folgende Beziehung: sowie die aus dem Pumpenkennfeld folgende Beziehung:
$\Delta p=\alpha_1 Q^2+\alpha_2 Q n+\alpha_3 n^2 : n\epsilon \{0\},[n_{min},n_{max}] $ $\Delta p=\alpha_1 Q^2+\alpha_2 Q n+\alpha_3 n^2 : n\epsilon \{0\},[n_{min},n_{max}] $
$P=\beta_1 Q^3+\beta_2 Q^2 n+\beta_3 Q n^2+\beta_4n^3+\beta_5$ $P=\beta_1 Q^3+\beta_2 Q^2 n+\beta_3 Q n^2+\beta_4n^3+\beta_5$
und die beziehung für den Druckverlust an den Ventilen: und die beziehung für den Druckverlust an den Ventilen:
$\Delta p_{loss} = - \frac{1}{2} \varrho \zeta \cdot \frac{Q^2}{A^{\prime}} = -l Q^2 :l\epsilon [l_{min}:\infty )$ $\Delta p_{loss} = - \frac{1}{2} \varrho \zeta \cdot \frac{Q^2}{A^{\prime}} = -l Q^2 :l\epsilon [l_{min}:\infty )$
nun soll für einen Gegebenen Volumenstrom $Q$ eine Optimale Drehzahl bestimmt werden, welche die Pumpenlesitung minimiert. nun soll für einen Gegebenen Volumenstrom $Q$ eine Optimale Drehzahl bestimmt werden, welche die Pumpenlesitung minimiert.
$min P(n) , n\epsilon [n_{min},n_{max}]$ $min P(n) , n\epsilon [n_{min},n_{max}]$
$ \overrightarrow{n} = (1,n,n^2,n^3)^T$ $ \overrightarrow{n} = (1,n,n^2,n^3)^T$
$min P = A \overrightarrow{n}$ $min P = A \overrightarrow{n}$
$-n\leqq n_{min}$ $-n\leqq n_{min}$
$n\leqq n_{max}$ $n\leqq n_{max}$
%% Cell type:code id: tags: %% Cell type:code id: tags:
``` python ``` python
!pip install -U pymoo
```
%% Cell type:code id: tags:
``` python
#Pump-Powercurve and Pump-Hightcurve
import regression_own import regression_own
(LR_H,LR_P)=regression_own.regress_pump()
print(LR_H,LR_P)
```
regression_own.regress_pump() %% Cell type:code id: tags:
``` python
#Graph constroctor
import multiDiGraph as gr
nodes =['source','pump1','pump2','valveA','valveB','valveC']
graph = gr.construct_graph('source',('source','pump1'),('pump1','valveC'),
('pump1','pump2'),('pump2','valveA'),('pump2','valveB'),('valveA','source'),('valveB','source'),('valveC','source'))
``` ```
%% Output %% Cell type:code id: tags:
R^20.9998289611292903 ``` python
R^2-3124385.577938745 import networkx as nx
Mtrx= nx.incidence_matrix(graph,nodes)
```
%% Cell type:code id: tags:
``` python
import numpy as np
from pymoo.algorithms.moo.nsga2 import NSGA2
algorithm=NSGA2()
from pymoo.core.problem import Problem
from pymoo.visualization.fitness_landscape import FitnessLandscape
prob = Problem.__init__(Problem,n_var=1,n_obj=1,n_ieq_constr=2,n_ep_constr=0)
```
......
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Please register or to comment