基于神经网络的离心泵性能预测研究与实现.doc

论文题目基于神经网络的离心泵性能预测研究与实现专业学位类别工程硕士201191231806 冉军学号作者姓名指导教师周川副教授 分类号密级注 1UDC学位论文基于神经网络的离心泵性能预测研究与实现（题名和副题名）冉军（作者姓名）指导教师周川电子科技大学副教授成都高工重庆牟维祥重庆市电力公司万州供电局（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称软件工程提交论文日期 2014.3.25 论文答辩日期学位授予单位和日期电子科技大学答辩委员会主席2014.5.24 2014年 6 月 25 日评阅人注 1：注明国际十进分类法 UDC的类号。 RESEARCH AND IMPLEMENTATION OFPERFORMANCE PREDICTION OFCENTRIFUGAL PUMP BASED ON NEURALNETWORKA Master Thesis Submitted toUniversity of Electronic Science and Technology of ChinaMajor: Master of Engineering Ran Jun Author: Zhou Chuan Advisor: School : School of Information and Software Engineering 独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日 摘要摘要泵的性能预测研究就是根据泵的叶轮、蜗壳、导叶等过流部件的几何参数，分析内部流动特征，以此预测泵的性能，是在泵产品设计中必不可少的重要环节，具有缩短研发周期、降低开发成本和提高产品设计质量等优点。因此开展泵的性能预测研究一直都是从事泵领域研究专家学者一个十分重要的课题。但是，到目前为止，泵的性能预测研究的结果还存在精度不高、不能满足工程实际需要的不足。因此对离心泵的性能研究不但具有重要的学术价值和社会效益，而且对研究其他泵的性能提供了可资借鉴的依据。本文的主要研究内容和成果有：(1)详细阐述了目前国内外针对泵性能预测研究的现状，重点描述了水力损失法、流场计算法及神经网络法这三种泵性能预测的方法，根据这三种方法的优缺点，确定本文里研究内容。(2)通过对离心泵性能分析，阐述各参数对离心泵性能的影响，为后面的研究打下基础；(3)介绍了离心泵性能预测的相关技术，即通过分析 Matlab和 VC6.0软件及其神经网络工具在进行数据处理、非线性拟合、动态仿真等的巨大优势，因此本文利用神经网络控制作为本课题的研究方向；(4)采用神经网络的两种算法：使用 VC6.0实现了贝叶斯 BP神经网络算法，使用 Matlab实现了 GA-RBF算法，并分别对实现离心泵性能预测进行设计；(5)利用 GA-RBF神经网络建立离心泵性能预测模型来实现离心泵的性能预测，具体阐述了其实现过程，并根据选取的 57组单级单吸离心泵的设计参数和试验参数进行仿真验证，结果表明离心泵性能 GA-RBF神经网络预测模型与原有的离心泵性能 RBF神经网络预测模型同样有效，并且设置参数更简单、更方便；(6)利用贝叶斯 BP神经网络建立离心泵性能预测模型来实现离心泵的性能预测，具体阐述实现过程，并根据选取的 57组单级单吸离心泵的设计参数和试验参数进行仿真验证，结果表明离心泵性能 BRBP神经网络预测模型与原有的离心泵性能 LMBP神经网络预测模型和离心泵性能 RBF神经网络预测模型同样有效，并且设置参数更简单、更方便，是一种比较有前途的离心泵性能预测方法。关键词：离心泵，GA-RBF神经网络，BRBP神经网络，性能预测I AbstractABSTRACTThe research of pump performance prediction is based on the geometric parametersof pump impeller, volute, guide vanes in pumps to analyze the internal flowcharacteristics so as to predict the performance of pumps. It is an indispensable part ofthe pump design. This research can help to shorten development cycles, reducedevelopment costs and improve product design qualities. Therefore, pump performanceprediction research has been a very important topic for pump experts. However, so far,the research results still have low precision, which cant meet the actual needs ofengineering deficiencies. So researches on the performance of centrifugal pumps notonly have important academic value and social benefits, but also provide the basis uponwhich to draw for other pump performance studies . The main contents and results ofthis paper are :1.The researcher summarized the status quo, especially various types of centrifugalpump performance prediction of the current domestic and international trends.According to the merits and dismerits of hydraulic loss method, the flow fieldcalculation method and neural network method, the researcher determined the researchcontents.2.The researcher analyzed the influence of various parameters of centrifugal pumps,which lays the foundation for the research behind.3.By description of Matlab software, the researcher analyzed Matlab softwaresadvantage on data processing, nonliner fitting, and dynamic simulation. As Matlabneural network toolbox can achieve the nonliner intelligent control, so the researchertook neural network control as research topic.4.Two algorithms based on neural networks: namely Matlab achieved using VC6.0and Bayesian BP and GA-RBF neural network algorithm to predict the performance of acentrifugal pump designed to achieve.5.The researcher established a GA-RBFneural network model. According toNational Excellent Hydraulic Model Compilation published by Shengyang Institute ofPumps, and Modern Pump Technology Manual written by Professor Guan Xingfan,Jiangsu University. The researcher selected 57 groups of design parameters and testparameters of single-stage single-suction centrifugal pumps. By modeling andII Abstractverification, the researcher found that GA-RBF neural network model is equallyeffective with RBF neural network model. It is much easier and more convenient to setparameters.6.The researcher established a Bayesian -BP neural network model. According toNational Excellent Hydraulic Model Compilation published by Shengyang Institute ofPumps, and Modern Pump Technology Manual written by Professor Guan Xingfan,Jiangsu University. The researcher selected 57 groups of design parameters and testparameters of single-stage single-suction centrifugal pumps. By modeling andverification, the researcher found that BRBP neural network model is equally effectivewith LMBP neural network model and RBF neural network model, and it is much easierand more convenient to set parameters. It is also a very promising method forcentrifugal pump performance prediction.Keywords: Centrifugal pump, GA - RBF neural network, BRBP neural network,Performance predictionIII 目录目录第一章绪论 . 11.1选题的背景与意义 .11.2离心泵性能预测的国内外研究现状 .21.2.1水力损失法 . 21.2.2流场分析法 . 41.2.3神经网络法 . 51.3本课题研究目的及意义 .71.4论文组织结构 .71.5技术路线 .81.6实施方案 .81.7目标及成果形式 .8第二章离心泵性能预测系统分析 . 102.1离心泵的结构 .102.1.1吸水室 . 102.1.2叶轮 .112.1.3压水室 .112.2离心泵的性能参数 .112.3离心泵的特征曲线 .122.4叶轮的主要参数 .132.4.1叶轮进口直径(D0)及叶片进口直径(D1) . 132.4.2叶轮轮毂直径(dh) . 142.4.3叶轮出口直径( D2 )及叶片出口安放角(b2 ) . 142.4.4叶片出口宽度(b2) . 162.4.5叶片进口安放角(b1) . 172.4.6叶片数( Z ) . 182.5汽蚀对泵性能的影响 .192.6本章小结 .20第三章离心泵性能预测研究相关技术介绍 . 213.1 Matlab简介.21IV 目录3.1.1 Matlab的特点. 213.1.2 Matlab系统的结构. 213.1.3 Matlab工具箱. 223.2神经网络简介 .233.3 BP神经网络基本工作原理 .243.3.1 BP神经网络模型 . 253.3.2 BP算法 . 263.3.3 BP网络的优缺点 . 303.3.4 BP学习算法的计算步骤和流程图 . 313.3.5标准 BP神经网络算法 . 323.4本章小结 .34第四章离心泵性能预测设计 . 354.1 RBF神经网络预测设计.354.1.1 RBF神经网络基本工作原理. 354.1.2 RBF神经网络模型. 354.1.3输入/输出样本数据的预处理. 364.1.4 RBF网络的学习规则. 364.1.5 RBF神经网络的优点. 364.1.6基于 RBF神经网络性能预测. 374.2贝叶斯 BP神经网络预测设计 .374.2.1 Levenberg-Marquardt(LM)算法 . 374.2.2贝叶斯正则化 BP神经网络算法 . 414.2.3输入/输出样本数据的预处理. 424.2.4基于贝叶斯正则化 BP神经网络的性能预测 . 434.3本章小结 .44第五章离心泵性能预测的 GA-RBF神经网络实现 . 455.1离心泵性能 GA-RBF神经网络预测模型的建立 .455.2 GA-RBF神经网络实现 .455.2.1数据界面 . 455.2.2离心泵能量性能 GA-RBF神经网络预测程序算法 . 465.3仿真实验 .495.4本章小结 .55第六章离心泵性能预测的 BP神经网络实现 . 56V 目录6.1离心泵性能预测模型的建立 .566.2贝叶斯正则化 BP神经网络实现 .576.2.1数据导入及处理界面 . 576.2.2贝叶斯正则化 BP神经网络构建 . 596.3仿真实验 .646.4离心泵性能预测结果的回归分析 .696.5本章小结 .71第七章总结与展望 . 727.1总结 .727.2展望 .72致谢 . 74参考文献 . 75攻读硕士学位期间取得的成果 . 78VI 第一章绪论第一章绪论1.1选题的背景与意义泵是一种把原动机的机械能转换为抽送液体能量的一种机械。原动机带动叶轮旋转，将水从低水位处吸入泵内，排到高水位处。叶轮在泵中起主导作用，叶轮中的叶片强迫液体旋转，液体在离心力的作用下向四周甩出，这很像当我们转动雨伞，伞上的雨滴向四周甩出去的情况类似。液体被抽出去后，新的液体在大气压力的作用下进到泵中，如此，完成液体连续不断的传送。在泵开动之前，泵内首先灌满水，否则叶轮只是带动泵内的空起旋转，产生不了够足大的离心力，无力把空气从管路和泵内排出，无法把水吸上来。泵是一种在人民生活中应用非常普遍的机械，对国民经济的发展和人民生活水平的提高起到了非常重要的作用，并且泵的种类多种多样，如：离心泵、轴流泵、射流泵等。驱动泵工作的电机是电力系统中的大用户，约占整个电力系统用户的 20%；从当今建设节约型社会和提高国民经济各个部门的效益来讲，在泵的设计、运行中对其性能进行研究，提高泵的效率显得尤为重要。在种类繁多的泵中，离心泵是应用最多的一类，各种形式不同的离心泵推动着社会的发展和改善着人民生活的条件。在市政、重工业、农业、国防等领域发挥着重要的作用。离心泵性能预测研究已经成为离心泵产品设计中必不可少的重要环节，是验证离心泵设计优劣的必要步骤。对离心泵的每一次设计结果均进行性能预测与分析，以确定下一步的设计与优化，最终得到符合设计要求的高性能产品。这样做不仅节省了大量的时间、人力和财力，而且能够大大缩短离心泵的开发时间，节约开发成本。目前，针对离心泵性能预测的方法主要有：水力能量损失法、流场数值模拟法以及人工智能(神经网络)法。由于前两种方法需要较多的离心泵的物理参数，计算复杂，不太方便，后一种神经网络法相对比较简单容易，不需较多的物理参数，靠算法来完成，得到流体机械工程领域的专家的青睐。目前较多的是BP神经网络法，但 BP神经网络存在出现过拟合现象，神经网络泛化能力很差，本研究打算采用贝叶斯正则化规则改造 BP神经网络和探索其他神经网络模型来进行离心泵性能预测研究，对于其效果，选出适合的神经网络模型(方法)。1 电子科技大学硕士学位论文1.2离心泵性能预测的国内外研究现状多年以来，在国内外专家学者的共同努力下，针对离心泵性能预测研究取得了一些成果，为进一步研究奠定了良好的基础。目前。比较研究最多和相对成熟方法有：流场数值模拟法、水力能量损失法和人工智能(神经网络)法等。下面我们对这三种方法进行分别阐述：1.2.1水力损失法水力损失法1是目前针对离心泵性能预测研究的一种最普遍、应用最多的方法。它以影响离心泵性能水力损失的各种因素作为出发点，探索各种损失与影响其损失的因素(泵的主要参数)的数学关系，建立其数学模型。由于建立水力损失数学模型非常复杂，因此，对泵内流动理论作了一定的假设和简化，由此建立在特定条件下的水力损失数学模型，从而对其他条件下的水力损失进行一系列的研究。虽然针对不同类型的损失，其计算方法不同，都是进行一系列的假设和简化而来的，但泵的基本方程是一样的，因此最后可根据泵的基本方法得到各性能的参数。对水力损失法来讲，水力损失的计算是进行此方法研究的重点和关键。从离心泵的工作原理来看，离心泵在运行中的水力损失主要在吸入室、叶轮和压水室中，同时要考虑容积损失和机械损失的影响。由于在离心泵的吸入室内，产生的水力损失相比于总的水力损失来讲，非常小，一般情况下可忽略不计。因此研究离心泵的水力损失就变成重点研究叶轮和压水室中的水力损失。叶轮在进口处受到液流的冲击所造成的损失、在叶轮流道内部由于与管壁的摩擦和液流扩散所造成的损失、液流在流动中由轴向转变为径向时所造成的损失以及液流在出口处所造成的损失是离心泵叶轮内常见的几种水力损失。由于水力损失造成的原因不同，因此计算水力损失所采用的方法也不同。目前常用的计算水力损失的方法有两种：一种是将各个部分造成的损失分解开来，分别计算，然后汇总得到总的水力损失；另一种将各部分的水力损失看作一个整体，统一求解。前一种方法是目前广泛采用的，但是由于精确计算水力损失非常困难，因此基本上采用半经验半理论的方法进行求解水力损失2。蜗壳是离心泵压水室的主要组成构件。与计算叶轮内的水力损失一样，计算蜗壳内的水力损失也有两种方法：一种是将蜗壳内的损失分解为内摩擦损失和扩散损失，分别计算这两种损失，然后得到总损失；另一种是先根据蜗壳的形状分为螺旋段和扩散段，然后在这两段中分别计算损失，在螺旋段计算沿程阻力损失和混合冲击损失这两部分，在扩散段计算摩擦阻力损失和沿程扩散损失3。2 第一章绪论这两种计算方法从本质上来讲并没有很大的区别，只是采用第二种方法计算得到的压水室中的水力损失比较精确。这是由于在扩散段内，液体在流道内的流动相对简单，可根据水力学计算公式求得其水力损失的缘故，因此在扩散段得到的水力损失与实际水力损失相差很小。但是在螺旋段内，由于液体在螺旋段内的流动较复杂，一般情况下采用平面或者立体的流动理论进行求解，得到的水力损失结果与实际水力损失相差较大，因此得到的总的水力损失与采用第一种方法得到的水力损失相差不大。在进行离心泵设计点的性能预测研究时，我们经常采用的理论是斯捷潘诺夫理论。斯捷潘诺夫在研究功率平衡原理时，对比转速为 140的双吸泵进行了大量的实验，通过对实验资料进行研究及猜想，他发现当离心泵的效率在最高点时，水力损失基本上由摩擦造成，并且叶轮内的水力损失和蜗壳内的水力损失分别占到总损失的 50%4。对离心泵来说，由于其容积效率和机械效率的变化很小，通常情况下可忽略起影响。因此，水力效率就成为影响离心泵性能的最大的因素，所以对水力损失准确性的要求非常高。离心泵的容积损失通常是指由于泄露造成的损失。一般情况下泄露常发生于叶轮前密封环处、级间轴向平衡机构处。对于单级离心泵来讲，通常只考虑在密封环处的泄漏所造成的损失，则其容积效率可以直接根据洛马金容积效率公式估算得到5。离心泵的机械损失通常是指由于机械间相互摩擦所造成的功率损失。根据损失发生的部位不同，常见的有两种，一种发生在轴承、轴封等部位；另一种是发生在叶轮在旋转时，其盖板外侧及外缘与介质相互摩擦时。前一种称为固体摩擦损失，通常取轴功率的 1%到 3%计算其损失；后一种称为圆盘摩擦损失，根据公式计算可得，叶轮外径的五次方与其损失大小成正比关系，对于不同的比转速，圆盘摩擦损失也不同6，如表 1-1所示，圆盘摩擦损失与比转速成反比变化。若不考虑固体摩擦损失对机械损失的影响，机械效率也可以根据洛马金机械效率公式求得。表 1-1圆盘损失与比转速之间的关系比转速304050607080901007.01504.42003.1圆盘损失/水功率(%)28.520.415.712.710.69.17.93 电子科技大学硕士学位论文通过前面的阐述，我们发现水力损失法全面考虑了影响离心泵性能的各种因素，因此在实际工程中具有很强的实用性，并且利用水力损失法得到的水力效率有很好的准确性。但是在利用水力损失法时，要对具体的离心泵进行一系列的假设和简化，才能建立其水力损失模型，然后再根据相关方法进行计算各种水力损失，并且计算复杂，得到的结果也只是某一具体离心泵的水力损失，不具备普遍用于其他类型离心泵的能力。1.2.2流场分析法流场分析法就是通过分析泵内部流场特征，探索其与泵外特性的联系，建立两者之间的关系，从而探索影响泵性能的因素7。是对泵性能预测研究的又一思路。要建立泵内部流动特征与其泵外部特性之间的联系，就必须对泵内部流场的特征进行研究，并且研究泵的外部特性与内部流场的联系。针对泵内部流场的特征研究目前研究的比较深入，并且取得了一系列可喜的成果，但是泵外特征和内部流畅之间的联系由于本身比较复杂，并且考虑因素众多，目前对这一方面的研究还有待加强。为了保证对离心泵内部流场特征数值模拟的准确性，通常要对离心泵的叶轮、吸水室以及压水室内流场进行全三维粘性数值模拟8。由于在离心泵内部流动形式一般都是湍流，而湍流本省特性的复杂，因此在准确进行湍流 CFD(ComputationalFluid Dynamics)数值模拟时，存在着一定的难度，这也是 CFD数值模拟的研究方向所在。因此要准确的对离心泵内部流动特征进行全三维粘性数值模拟目前还没法实现。就目前而言，针对湍流的数值模拟方法主要有三种：直接模拟(DNS)、大涡模拟(Large Eddy Simulation)以及雷诺(Reynolds)时均法。直接模拟(DNS)由于受到计算机速度和容量的约束和限制，还不能在工程上广泛应用；大涡模拟 (LargeEddy Simulation)与直接模拟法一样，都需要比较大的计算机存储空间和高速处理器，该方法利用某种滤波方法将湍流运动进行分解，通过数值求解微分方程进行直接计算分析的高度各项异性的大尺度涡，通过近似模拟来处理大致各项同性的小尺度涡对大尺度涡的影响9；雷诺(Reynolds)时均法10是研究流体机械的普遍方法，对进行离心泵的性能研究同样适用，该方法将 N-S方程对时间做平均，以此来求解工程中感兴趣的时均量，为满足方程的求解性，通常需采用湍流模型来封闭方程组。具有较好精度、通用性很广及计算量较小的 k -e方程湍流模型是目前研究和应用最多的模型之一。不管哪一种湍流的数值模拟方法，建模、网格划分、求解及流场分析等一系列过程都是应用计算机完成的，目前针对三维湍流计算开发了许多商业 CFD软件，比如 FLUENT、STARCD、FIDAP等11。4 第一章绪论建立泵内流动特征与泵外特征的联系 12是流场分析法的关键所在，也关系着预测泵性能的准确性。虽然国内外对这一研究还处于初步探索阶段，但通过对目前的研究成果分析，我们发现这一方法可行。如果能够建立泵内流动特征与泵外特征的数学模型13，将大大提高离心泵性能预测的精度和准确性，使之在实际工程上进行推广应用，大大解决实际工程中的问题，具有很强的实用性。应用流场分析法对离心泵性能进行预测的难点在于准确建立泵内流动特征和泵外特征的联系14，只要建立两者之间的关系，流场分析法就具有其他方法无法比拟的预测精度。因此，流畅分析法还有待于进一步的研究。虽然现在能进行在泵设计工况及附近泵内外流动特性的流场分析，而且具有相对较高的精度，但是在非设计工况或者小流量条件下，很难保证期精度，而且目前的流场分析是简化了液体流动性能的分析，只考虑叶轮内部流场的影响，并未考虑压水室等过流部件的影响，因此对全流场分析结果很难保证其准确性。纵然流场分析法还面临很多需要解决的问题，但流场分析法是未来我们进行泵的性能预测研究的方向15。1.2.3神经网络法为了实现对人类大脑基本的模拟和抽象，揭开人类智能的奥秘，研发一种探索人类智能的工具，这一工具就是我们熟知的人工神经网络 (Artificial NeuralNetworkANN)，也称为“神经网络” 16。神经网络控制几乎不依靠数学模型来实现控制，因此对于具有不确定性或高度非线性的控制对象来说，由于神经网络控制的适应性较强和特有的学习功能，为解决复杂的非线性、不确