共查询到20条相似文献，搜索用时 15 毫秒
1.
基于神经网络的离心泵能量性能预测 总被引：1，自引：0，他引：1
总结了BP网络和RBF网络在离心泵能量性能预测中的应用现状,介绍了这两种网络的结构及特点.分别采用BP网络和RBF网络建立了离心泵能量性能预测模型.用57组数据对这两个预测模型进行了训练,并用6组数据对两种网络结构的性能预测模型进行了仿真.研究结果表面:两种网络结果的预测模型预测精度比较接近且预测结果的趋势也相同,BP网络预测精度略高于RBF网络;BP网络扬程平均预测误差为3.85%,效率平均预测误差为1.39%,RBF网络扬程平均预测误差为4.79%,效率平均预测误差为3.43%;RBF网络预测所需时问仅为BP网络预测所需时间的一半. 相似文献
2.
基于神经网络的离心泵汽蚀性能预测 总被引：1，自引：0，他引：1
介绍了离心泵汽蚀性能预测的研究现状,分析了离心泵汽蚀性能预测的主要研究方法．根据设计流量下离心泵汽蚀余量的影响因素,确定人工神经网络的拓扑结构．应用MATLAB的神经网络工具箱,建立单级单吸离心泵汽蚀性能预测的BP神经网络（Back Propagation Neural Network）和RBF神经网络（Radial Basis Function Neural Network）两种人工神经网络模型．用工程实践中得到的57台离心泵几何参数和试验数据作为样本来训练建立好的网络,并用6台离心泵的数据来测试网络．预测值与试验值的相关性分析表明,BP和RBF网络的预测结果均较好,其中BP网络预测模型的平均相对偏差为5．69％,RBF网络预测模型的平均相对偏差为6．32％,可满足工程应用的要求． 相似文献
3.
采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型.两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析.RBF神经网络预测作物需水量的绝对误差平均值为0.254 7 mm/d、相对误差平均值为5.47％,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97％,由此可见,RBF网络预测的精度比BP网络高.并且,通过程序记时显示RBF网络训练用时0.063 0 s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一. 相似文献
4.
研究采用BP网络改进算法、RBF网络和遗传神经网络,构建了机耕、机播与机收水平预测模型。应用所构建的模型对陕西省机耕、机播、机收水平进行预测,着重对3种预测模型进行比较和分析,为有关部门制定政策、方针和路线提供科学依据。用测试样本对预测精度进行检验,3种机耕水平预测模型(基于BP改进算法的BP模型、GA-BP模型和RBF模型)的平均相对误差都在10%以内;3种机播水平预测模型的平均相对误差分别为5.17%,9.0%和13.86%;3种机收水平预测模型的平均相对误差分别为12.11%,7.22%和16.75%。对于机耕水平预测问题,综合考虑预测精度、构建网络的复杂度和稳定性,采用RBF模型较好;机播水平预测采用预测精度最高的基于改进BP算法的BP模型;机收水平预测可采用GA-BP模型。 相似文献
5.
基于改进BP神经网络的复合叶轮离心泵性能预测 总被引：2，自引：0，他引：2
应用Matlab建立了复合叶轮离心泵效率和扬程的BP神经网络预测模型.选取73组试验结果作为样本,采用LevenbergMarquardt法则对构建的网络进行训练,并随机选取12组训练样本外的数据对训练好的网络进行测试.试验的主要参数为流量Q, 叶片数z,叶片出口安放角β2,短叶片进口直径Di,叶片出口宽度b2,效率η以及扬程H.其中选取Q,z,β2,Di,b2作为网络的输入层,η和H作为输出层.预测结果的分析表明,预测值与试验值具有较好的一致性,利用BP神经网络对复合叶轮离心泵性能进行预测是可行的,可用来作复合叶轮的辅助设计,从而缩短试验时间,降低成本. 相似文献
6.
针对螺旋离心泵运行时性能普遍偏低的问题,以某一典型螺旋离心泵为研究对象,应用计算流体动力学软件CFX对螺旋离心泵进行数值计算得到其内部流动规律.以在设计流量工况下的扬程和效率作为优化目标,采用P-B试验与多因素方差分析筛选出优化变量,采用径向基(RBF)神经网络建立优化目标与优化变量之间的预测模型,并结合差分进化(DECIMO)算法在样本空间内全局寻优.取扬程最优、效率最优和初始个体进行数值计算,对比分析泵输送不同介质(清水与固液两相流体)时的流场及其外特性差异,并进行试验验证.研究结果表明:叶片轮毂进口角β1b、叶轮出口宽度b2、叶轮出口直径D2和叶片包角φ是影响螺旋离心泵扬程和效率的显著因素;由RBF神经网络建立的预测模型精度较高;输送清水时,设计流量下扬程最优个体扬程为9.4 m,增长了13.5%;效率最优个体效率比初始个体提高了9.8%,优化效果显著. 相似文献
7.
简述了基于流场计算法预测离心泵能量性能的研究现状。为了详细研究各种基于流场计算进行离心泵性能预测方法的精度,采用RANS定常数值计算、RANS非定常数值计算和大涡模拟分别对2台不同比转速的离心泵设计工况下的内部流场进行了数值模拟。根据数值模拟结果预测了2台离心泵的外特性并将各模型扬程和效率的预测结果与试验结果做了详细比较。同时对非定常流场计算所需要的周期数进行了研究。研究结果表明,离心泵非定常数值计算至少要进行5个周期的计算才能获得稳定的预测结果;离心泵能量性能的脉动周期与叶频相同;RANS非定常数值计算与I．ES模拟的外特性平均预测精度基本相同,都高于RANS定常数值计算的外特性预测精度。 相似文献
8.
根据边界涡量动力学理论,从边界涡量流在离心泵叶轮内表面的分布情况,可获知叶轮的受力状况,进而改进叶轮设计.以BP神经网络和径向基神经网络为建模手段,以叶轮内表面的边界涡量流为预测目标,通过高精度的CFD计算获得70个离心泵叶轮内表面的BVF分布,建立可用于训练人工神经网络的初始样本集;再利用63个初始样本建立离心泵叶轮几何参数和边界涡量流的非线性映射关系,并用剩余的7个校对样本进行测试.根据神经网络预测结果和数值模拟计算结果的误差分析,确定最适用于离心泵叶轮边界涡量流预测的神经网络类型.研究表明:径向基(RBF)神经网络的预测精度高于BP神经网络,其训练时间更短、运行稳定性更高;径向基函数的宽度对RBF神经网络的预测性能有较大影响,当径向基函数宽度取0.3时,RBF神经网络的预测性能最佳,预测误差仅0.020 3;RBF神经网络预测所得叶轮内表面的边界涡量流分布,可以作为评价叶轮水力设计优劣的重要指标,进而指导叶轮机械的优化设计. 相似文献
9.
为了探究适合全射流喷头多因素下射程的预测模型,通过改变喷头工作压力、安装高度、喷嘴直径、喷头仰角共4个参数,对射程进行测量.基于BP神经网络和广义径向基(RBF)神经网络的基本原理和算法,建立了全射流喷头射程预测的BP和RBF神经网络模型,并分析BP和RBF神经网络的预测性能.结果表明射程与工作压力、喷嘴直径呈非线性关系;当喷头在1.2 m安装高度、27°仰角、4~10 mm喷嘴直径时,压力增大到0.4 MPa,射程趋于极限,并且安装高度与射程呈正相关关系.BP与RBF神经网络均能较好地表达全射流喷头射程与主控因素之间的非线性关系.在训练时间方面,RBF网络比BP网络慢8.05 s;预测过程中,BP网络在每次运行程序时的预测结果不一定相同,而RBF网络则不会出现此问题,且RBF网络预测值与实测值之间的平均绝对误差比BP网络的小3.55%.从网络预测总体效果观察,RBF神经网络预测喷头射程具有更好的推广能力. 相似文献
10.
基于结构化网格的离心泵全流场数值模拟 总被引：7，自引：0，他引：7
采用计算流体力学(CFD)方法对全流场模型下离心泵的性能进行了分析。阐述了离心泵计算区域的拓扑块生成和结构化网格划分方法;分析了全流场模型和非全流场模型的数值模拟结果,并比较两者产生差异的原因。证实了腔体的存在对模拟结果的影响,得到的全流场数值模拟性能预测精度优于非全流场数值模拟,其流态分布也存在显著的差别,并获得了口环泄漏量与离心泵流量和扬程的关系。将离心泵全流场模型的模拟结果与试验值进行了对比:设计工况点(Qd),离心泵的扬程相对误差为0.79%,效率相对误差为0.9%,模拟结果和试验结果比较接近;在0.2Qd时,扬程相对误差为6.24%,效率相对误差为9.61%,极小流量点的数值模拟精度有待提高。 相似文献
11.
传统离心泵多目标优化设计中,代理模型的预测精度随着Pareto前沿不断向前推进将逐渐降低,为改善离心泵多目标优化效果,提出一种基于动态RBF代理模型与NSGA-Ⅱ算法的离心泵叶轮优化方法,将生成的Pareto前沿解中部分最优样本添加到RBF样本集中,重新训练RBF代理模型,依据动态代理模型预测子代各样本的目标函数值.以MH48-12.5型离心泵为研究对象,选取叶片的进口安放角、出口安放角及叶片包角为优化变量,采用拉丁超立方抽样(LHS)构建代理模型初始样本空间,并以扬程和效率为优化目标进行多目标优化分析.结果表明:动态RBF代理模型多目标优化方法得到的Pareto前沿要大大优于静态代理模型方法结果,静态代理模型方法得到的Pareto前沿各点均被动态模型方法得到的Pareto前沿所支配;动态代理模型对前沿解的预测精度均大于静态代理模型;动态代理模型方法得到扬程最大点比原始设计高2.86%,比静态模型高1.03%;动态代理模型方法得到水力效率最高点比原始设计效率高4.36%,比静态模型高1.32%. 相似文献
12.
将能量损失系数融入离心泵多工况能量性能模型中,并采用全局优化算法对其进行求解,从而建立了一种离心泵能量损失系数修正方法。采用Pointer优化算法修正了一比转数为92.7的离心泵性能计算模型中各损失系数,同时设计了7个不同叶片出口角、出口宽度、叶片数的叶轮进行了试验研究,并与计算结果进行了比较,结果表明扬程和效率的计算误差均小于4%,从而验证了该离心泵能量损失系数修正方法是可行有效的。本文的研究成果可以提高离心泵多工况水力优化设计的准确性。 相似文献
13.
《中国农村水利水电》2016,(7)
为了研究中比转速离心泵性能及内部流场特性,以比转数102离心泵为研究对象,采用fluent,在双参考坐标系下,选用RNGk-ε模型,应用有限体积法对雷诺时均N-S方程离散计算,压力和耦合采用SIMPLEC算法求解。同时,为了提高预测精度,采用5套不同网格方案对模型泵的效率进行网格无关性检验。并且从小流量工况下计算结果分析对比,得到离心泵外特性及内部流场变化规律。研究表明:数值计算与实验结果相比,设计工况下,扬程的预测误差为2.02%,效率的预测误差为1.99%;随着流量的降低,计算效率的误差逐渐增大。在设计点,离心泵的内部速度流线比较光顺;而在小流量工况下,离心泵进口和叶轮均出现漩涡现象;随着流量的降低,漩涡面积增大,数量也在增加。 相似文献
14.
土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选 总被引：1，自引：0，他引：1
基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。 相似文献
15.
针对农产品价格波动的非线性特征明显、传统时间序列预测方法预测精度不高等状况,构建基于Prophet的农产品价格预测模型,并以生姜为例展开研究。选取2012—2018年生姜每周平均价格数据为研究对象,在对生姜价格的趋势周期分解基础上,通过对生姜价格序列分解的趋势项、周期项和随机项分别进行建模组合实现对2019年上半年生姜价格的预测,并利用统计分析方法对模型性能进行评估。试验结果表明,Prophet算法预测结果的平均相对误差为4%。将Prophet模型的预测结果和BP神经网络预测结果进行比较,其均方误差(MSE为0.20)小于BP神经网络预测结果的均方误差(MSE为0.37)。Prophet预测模型具有较高的预测精度,在农产品价格预测方面具有较广阔的应用前景。 相似文献
16.
基于RBF神经网络的地下水动态预测 总被引：1，自引：0，他引：1
以内蒙古自治区巴彦淖尔市金泉工业园区为例,基于园区B248号长观井2001-2008年的地下水埋深资料,首先建立了地下水埋深RBF神经网络预测模型,而后对该模型的模拟结果作误差分析,并将相应值与BP网络模型进行对比。RBF神经网络模型和BP网络模型的最大相对误差分别为9.88%和19.67%,最大绝对误差分别为0.81和1.56,均方误差分别为0.19和0.98。显然,RBF神经网络具有较高的预测精度和较强的非线性映射能力。用上述训练好的RBF神经网络模型对研究区2009-2013年平水年条件下的地下水埋深进行预测,结果表明,研究区已出现地下水位持续下降的趋势。最后,根据地下水资源保护规划方案,在逐时段压缩地下水开采量10%的情况下,研究区2025年即可恢复到2001年的地下水水位值。 相似文献
17.
离心泵全流场与非全流场数值计算 总被引：3，自引：0，他引：3
为研究不同计算域对离心泵数值计算结果的影响,采用虚拟分块网格划分技术和标准k-ε湍流模型,对5台不同比转数离心泵设计工况下的内部流动进行了三维定常全流场与非全流场数值模拟.基于全流场和非全流场数值计算结果分别进行了性能预测和内流场特征分析,并将性能预测结果与试验结果进行了对比分析.结果表明：不同计算域对数值计算结果影响显著;全流场数值模拟性能预测精度高于非全流场数值模拟,扬程预测精度平均高1.54%,效率预测精度平均高1.67%;流场分析发现两种计算方法得到叶轮内的静压分布基本一致,而蜗壳内静压分布存在着明显差异;全流场数值计算得到的叶轮与蜗壳的间隙速度分布呈现层状分布,而非全流场数值计算得到的结果呈三角形分布;由于全流场计算区域考虑叶轮进口口环、前后盖板间隙流的影响,其数值计算得到的蜗壳断面内二次流分布并不完全对称. 相似文献
18.
19.
针对传统的土壤墒情预测方法精度较低、训练周期长的问题,本文对BP神经网络预测模型进行研究,提出一种改进樽海鞘算法优化BP神经网络的预测方法。首先,在标准樽海鞘群算法(Salp Swarm Algorithm, SSA)中引入变异算子增强种群的多样性,提高算法的全局探索能力;同时,采用动态权重调整策略增强局部开发性能,改善收敛速度,在位置更新过程中加入动态权重,进一步平衡全局探索和局部开发能力;其次,考虑到BP预测网络收敛精度低、易陷入局部最优等缺点,将改进樽海鞘算法引入到BP中形成ASSA-BP的预测模型算法,该算法缩短了训练时间、提高了预测精度。最后,将ASSA-BP与PSO-BP、BP不同预测模型进行对比,结果表明ASSA-BP的最优预测相对误差平均值3.37%,绝对误差平均值0.025 8,比BP模型预测误差有所下降。克服了BP预测模型收敛精度低、易陷入局部最优的缺点,具有更好的鲁棒性和预测精度。 相似文献
20.
基于改进BP神经网络的农业机械数据预测研究 总被引：1，自引：0，他引：1
为提高河南省农业机械数据预测的精度,获得更可靠的预测结果,提出基于自适应粒子群算法(APSO)优化的误差方向传播(BP)神经网络预测方法,利用APSO算法优越的全局搜索能力更新BP神经网络的权值和阈值,有效结合两种算法的优势,并引用河南省1986-2017年农业机械数据进行测试。仿真结果表明,本文提出的APSO-BP算法比同等条件下BP神经网络算法和PSO-BP算法预测误差平均可降低2.4%和1.35%,可以有效提高预测的速度和精度。 相似文献