搜公众号
推荐 原创 视频 Java开发 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库
Lambda在线 > 【论文精选】径向基神经网络与粒子群算法对双叶片泵的优化效果

【论文精选】径向基神经网络与粒子群算法对双叶片泵的优化效果

2019-04-09
举报


《农业工程学报》2019年第35卷第2期刊载了江苏大学王春林、胡蓓蓓、冯一鸣和刘轲轲的论文——“基于径向基神经网络与粒子群算法的双叶片泵多目标优化”。该研究由国家自然科学基金项目(项目号:51476070、51109094)资助。

双叶片泵只有2枚对称叶片,水力结构简单,具有不易堵塞特点,被广泛应用于输运含有复杂成分的液体,其水力性能会比相同比转速的多叶片离心泵低,该文采用径向基神经网络与粒子群算法对该泵水力性能中的扬程和效率进行优化。


径向基神经网络是一种性能优良的前馈型神经网络,结构简单、收敛速度快、可以任意精度逼近任意的非线性函数,且具有全局逼近能力,而粒子群算法与遗传算法比较,在大多数的情况下,所有的粒子可能更快的收敛于最优解。


采用均匀试验表建立径向基神经网络所需样本,得到扬程最大误差为3.9%,效率最大误差为1.7%,均在标准误差内,即采用这种方法建立的性能预测模型有较高精度。(注:均匀试验表是一种只考虑试验点在实验范围内“均匀散布”而不考虑“整齐可比”的一种实验设计方法,可大大减少实验次数。)


优化结果表明,扬程最优个体在输运不同介质时扬程均显著提升,效率有轻微提升;效率最优个体在输运不同介质时效率均大幅提升,扬程有所下降。选取扬程和效率最优个体在清水介质里进行试验时,扬程最优个体在设计流量点的试验扬程比初始个体增加0.96 m,增幅达到5.5%,效率提升1.6百分点;效率最优个体在初始个体效率的基础上提升了10.11百分点,扬程略有下降。该优化方法改善了双叶片泵流场特性,使双叶片泵性能得到提高。


研究结果说明,采用径向基神经网络与粒子群算法对双叶片泵进行优化是可行,且效果显著,具有较好的实际应用潜力。


长按识别二维码 关注“农业工程学报”


版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《【论文精选】径向基神经网络与粒子群算法对双叶片泵的优化效果》的版权归原作者「农业工程学报」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注农业工程学报微信公众号

农业工程学报微信公众号:gh_c45100f8f9c0

农业工程学报

手机扫描上方二维码即可关注农业工程学报微信公众号

农业工程学报最新文章

精品公众号随机推荐

举报