石油学报
石油學報
석유학보
ACTA PETROLEI SINICA
2003年
1期
105-107
,共3页
抽油机%调压器%神经网络%非线性建模
抽油機%調壓器%神經網絡%非線性建模
추유궤%조압기%신경망락%비선성건모
根据电动机拖动抽油机运行的特点,阐明了采用神经网络方法对该系统建模的必要性.基于带有回归单元的Elman神经网络,对拖动抽油机的变载荷三相异步电动机的晶闸管三相调压器系统进行了建模.采用了一种带惯性项的动态反向传播学习算法,克服了通常的BP(back propogation反向传播)算法振荡和收敛速度慢的弱点,使抽油机系统随负载变化时对电动机实现调压控制.对Elman神经网络的结构运用方法,以及惯性项的动态反向传播学习算法作了较详细的介绍,对由晶闸管三相调压器构成的拖动系统建模所选向量参数进行了说明.实例表明,利用该方法迭代后的学习结果更容易将误差减小至期望值.
根據電動機拖動抽油機運行的特點,闡明瞭採用神經網絡方法對該繫統建模的必要性.基于帶有迴歸單元的Elman神經網絡,對拖動抽油機的變載荷三相異步電動機的晶閘管三相調壓器繫統進行瞭建模.採用瞭一種帶慣性項的動態反嚮傳播學習算法,剋服瞭通常的BP(back propogation反嚮傳播)算法振盪和收斂速度慢的弱點,使抽油機繫統隨負載變化時對電動機實現調壓控製.對Elman神經網絡的結構運用方法,以及慣性項的動態反嚮傳播學習算法作瞭較詳細的介紹,對由晶閘管三相調壓器構成的拖動繫統建模所選嚮量參數進行瞭說明.實例錶明,利用該方法迭代後的學習結果更容易將誤差減小至期望值.
근거전동궤타동추유궤운행적특점,천명료채용신경망락방법대해계통건모적필요성.기우대유회귀단원적Elman신경망락,대타동추유궤적변재하삼상이보전동궤적정갑관삼상조압기계통진행료건모.채용료일충대관성항적동태반향전파학습산법,극복료통상적BP(back propogation반향전파)산법진탕화수렴속도만적약점,사추유궤계통수부재변화시대전동궤실현조압공제.대Elman신경망락적결구운용방법,이급관성항적동태반향전파학습산법작료교상세적개소,대유정갑관삼상조압기구성적타동계통건모소선향량삼수진행료설명.실례표명,이용해방법질대후적학습결과경용역장오차감소지기망치.