CN119442933A 基于人工神经网络的水泵水轮机s特性曲线预测方法 （西安理工大学）_第1页
CN119442933A 基于人工神经网络的水泵水轮机s特性曲线预测方法 （西安理工大学）_第2页
CN119442933A 基于人工神经网络的水泵水轮机s特性曲线预测方法 （西安理工大学）_第3页
CN119442933A 基于人工神经网络的水泵水轮机s特性曲线预测方法 （西安理工大学）_第4页
CN119442933A 基于人工神经网络的水泵水轮机s特性曲线预测方法 （西安理工大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于人工神经网络的水泵水轮机S特性曲线本发明公开的基于人工神经网络的水泵水轮机S特性曲线预测方法，属于水泵水轮机水力水泵水轮机第一象限曲线和所需的转轮特征参水轮机设计阶段中S特性曲线的快速获取。与现在设计阶段获取水泵水轮机S特性曲线需制作模2S3：通过改进Suter变换，对S2中水泵水轮机第一象限特性曲线进行处理，同时推导S6：使用训练完成的人工神经网络对包含预测所需2.根据权利要求1所述的基于人工神经网络的径D1N3.根据权利要求2所述的基于人工神经网络3/s23/s113m3/s11表示单D2表示转轮低压侧直径，4.根据权利要求3所述的基于人工神经网络的水泵水轮机Q11和n11_M11D211N5.根据权利要求4所述的基于人工神经网络1yhCh取1146.根据权利要求5所述的基于人工神经网络的水在于，所述S4中构建人工神经网络结构具体为：将人工神经网络结构设置为输入层_隐藏Q11N7.根据权利要求6所述的基于人工神经网络2和cp8.根据权利要求7所述的基于人工神经网络的水人工神经网络训练完成后，输入特征参数对c值进行预测，预线将数个n11_Q11数据点相连得到水泵水5[0003]本发明的目的在于提供基于人工神经网络的水泵水轮机S特性曲线预测方法，解决了现有水泵水轮机在设计阶段获取水泵水轮机S特性曲线需制作模型机并进行测量导致[0004]本发明所采用的技术方案是，基于人工神经网络的水泵水轮机S特性曲线预测方6D1nNN3/s2/1111表3D2表示转轮低压侧Q11和n11_M11D211N[0008]S3具体为：采用改进Suter变换将水泵水轮机第一象限的特性曲线转化为单值函7yh11Q11N28和cp用平滑曲线将数个n11_Q11数据点相连得到水泵水轮机第本发明通过现有的文献获取大量的水泵水轮机第一象限曲线和所需的转轮特征征参数和第一象限特性曲线的响应关系，从而实现在水泵水轮机设计阶段中S特性曲线的决了现有水泵水轮机在设计阶段获取水泵水轮机S特性曲线需制作模型机并进行测量导致图2是本发明实施例8中采用人工神经网络预测得到的水泵水轮机预测第一象限本实施例公开的基于人工神经网络的水泵水轮机S特性曲线预测方法，具体包括S1：通过文献获取的水泵水轮机单位转速_流量第一象限曲线和所需的转轮特征93/s2/113/s11表3D2表示转轮低压侧b111D2n11_Q11N采用改进Suter变换将水泵水轮机第一象限的特性曲线转化为单值函数，即x_WH1yh和Cy是为了防止大开度曲线过密和小开m2/s11能导致S3中的c值过大而导致无法进行逆变换。由于某一待预测水泵水轮机的某一开度曲Q11N训练集设置为样本集总数的80%，训练集用于构建神经网络模型各神经元最优权和cpQ11N=650L/s。[0027]对所公开的实施例的上述说明，使

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论