测试技术学报
測試技術學報
측시기술학보
JOURNAL OF TEST AND MEASUREMENT TECHNOLOGY
2012年
3期
256-259
,共4页
粒子群算法%神经网络%气力输送%管道压降%预测
粒子群算法%神經網絡%氣力輸送%管道壓降%預測
입자군산법%신경망락%기력수송%관도압강%예측
管道压降是气力输送系统设计的一个重要参数,传统的求解方法比较复杂.本文提出了以气体流速、颗粒浓度、混合比等作为神经网络输入,建立管道压降网络模型的方法.为进一步提高管道压降预测准确度,以预测误差作为适应度值,采用粒子群算法对网络权值和阈值寻优,优化神经网络,并利用样本数据训练出了有效的压降预测网络通过将预测数据和粉料气力输送实验装置的实测数据相比较,结果表明,该方法预测误差小,准确度高,有较高的实用价值.
管道壓降是氣力輸送繫統設計的一箇重要參數,傳統的求解方法比較複雜.本文提齣瞭以氣體流速、顆粒濃度、混閤比等作為神經網絡輸入,建立管道壓降網絡模型的方法.為進一步提高管道壓降預測準確度,以預測誤差作為適應度值,採用粒子群算法對網絡權值和閾值尋優,優化神經網絡,併利用樣本數據訓練齣瞭有效的壓降預測網絡通過將預測數據和粉料氣力輸送實驗裝置的實測數據相比較,結果錶明,該方法預測誤差小,準確度高,有較高的實用價值.
관도압강시기력수송계통설계적일개중요삼수,전통적구해방법비교복잡.본문제출료이기체류속、과립농도、혼합비등작위신경망락수입,건립관도압강망락모형적방법.위진일보제고관도압강예측준학도,이예측오차작위괄응도치,채용입자군산법대망락권치화역치심우,우화신경망락,병이용양본수거훈련출료유효적압강예측망락통과장예측수거화분료기력수송실험장치적실측수거상비교,결과표명,해방법예측오차소,준학도고,유교고적실용개치.
