兰州理工大学学报
蘭州理工大學學報
란주리공대학학보
JOURNAL OF LANZHOU UNIVERSITY OF TECHNOLOGY
2015年
3期
49-54
,共6页
BP神经网络%遗传算法%液力透平%性能预测%线性回归
BP神經網絡%遺傳算法%液力透平%性能預測%線性迴歸
BP신경망락%유전산법%액력투평%성능예측%선성회귀
BP neural network%genetic algorithm%hydraulic turbine%performance prediction%linear regression
建立BP和GA-BP神经网络预测离心泵反转作液力透平的压头和效率.用63台离心泵作透平的参数作为训练两个网络的样本,以泵的叶轮出口直径、叶片包、出口宽度、出口安放角、叶片数和比转速作网络输入层,透平压头和效率作输出层.用6组样本外的数据测试经训练后的两个网络的预测能力,并做网络预测值与试验值的相关性和线性回归分析.结果表明,BP网络对压头和效率预测的平均误差为5.33％和0.86％,GA-BP网络对压头和效率预测的平均误差为3.56％和0.46％.GA-BP网络预测精度高,预测结果与实验值相关性强,预测所用时间为BP网络的1/3,更适合做泵反转作液力透平的性能预测.
建立BP和GA-BP神經網絡預測離心泵反轉作液力透平的壓頭和效率.用63檯離心泵作透平的參數作為訓練兩箇網絡的樣本,以泵的葉輪齣口直徑、葉片包、齣口寬度、齣口安放角、葉片數和比轉速作網絡輸入層,透平壓頭和效率作輸齣層.用6組樣本外的數據測試經訓練後的兩箇網絡的預測能力,併做網絡預測值與試驗值的相關性和線性迴歸分析.結果錶明,BP網絡對壓頭和效率預測的平均誤差為5.33％和0.86％,GA-BP網絡對壓頭和效率預測的平均誤差為3.56％和0.46％.GA-BP網絡預測精度高,預測結果與實驗值相關性彊,預測所用時間為BP網絡的1/3,更適閤做泵反轉作液力透平的性能預測.
건립BP화GA-BP신경망락예측리심빙반전작액력투평적압두화효솔.용63태리심빙작투평적삼수작위훈련량개망락적양본,이빙적협륜출구직경、협편포、출구관도、출구안방각、협편수화비전속작망락수입층,투평압두화효솔작수출층.용6조양본외적수거측시경훈련후적량개망락적예측능력,병주망락예측치여시험치적상관성화선성회귀분석.결과표명,BP망락대압두화효솔예측적평균오차위5.33％화0.86％,GA-BP망락대압두화효솔예측적평균오차위3.56％화0.46％.GA-BP망락예측정도고,예측결과여실험치상관성강,예측소용시간위BP망락적1/3,경괄합주빙반전작액력투평적성능예측.
