基于RBF神经网络的离心压缩机的性能预测研究

利用径向基函数神经网络(RBF)建立对离心压缩机性能预测的神经网络模型,从而能够精确地预测出离心压缩机的性能参数的大小,能够分析离心压缩机的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。应用数值计算软件MATLBA软件完成了离心压缩机的性能预测,分别对离心压缩机的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。     

基于模糊神经网络的往复压缩机的性能预测研究

为了能够准确地预测出往复压缩机的性能参数值,利用了模糊神经网络(FNN)建立对其进行性能预测的神经网络模型,可以研究往复压缩机的流量、容积系数和效率之间的神经网络与预测关系。利用NGA遗传算法,依靠MATLBA软件实现了FNN神经计算,分别对往复压缩机的效率进行了性能预测,预测效果表明,FNN神经网络的计算模型可以提高预测效率和预测精度。     

基于神经网络的提升机减速器工况预测研究

针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。     

基于改进RBF神经网络的巷道变形预测模型

由于经典RBF神经网络中的隐含层节点数、连接权值等结构参数基本由经验获取,因此经典RBF神经网络模型的性能取决于建立模型专家的主观性,存在一定的盲目性和随机性,难以对巷道变形进行准确预测。为此,采用贝叶斯阴阳和谐学习算法对经典RBF神经网络模型的隐含层节点个数、连接权值等结构参数进行了优化,提出了一种基于改进RBF神经网络的巷道变形预测模型,即对角型广义RBF神经网络模型。采用潞安和兖州矿区的综放回采巷道的现场长期监测数据分别对经典RBF神经网络模型以及对角型广义RBF神经网络模型进行了试验分析,结果显示：①对巷道顶底板变形进行预测时,对角型广义RBF神经网络模型的准确率约92.2%,经典RBF神经网络模型的准确率约80.6%;②对煤帮变形进行预测时,对角型广义RBF神经网络模型的准确率约90.2%,经典RBF神经网络模型的准确率约78.6%。上述试验结果表明,对角型广义RBF神经网络模型对于巷道变形预测的精度明显优于经典RBF神经网络模型,对于高精度巷道变形预测有一定的参考价值。     

基于RBF神经网络瓦斯水合物生成压力预测研究

瓦斯水合物生成是复杂的结晶过程,不同组分和浓度瓦斯生成水合物时压力等热力学参数的获取对水合物技术的应用具有非常重要的意义。鉴于此,利用径向基神经网络方法对瓦斯水合物生成压力进行了预测。针对瓦斯水合物生成边界条件,确定了RBF神经网络的输入、输出向量,建立了RBF神经网络瓦斯水合物生成压力计算及预测模型,并用实验数据进行了验证。结果表明,该模型对瓦斯水合物生成压力的拟合和预测具有计算精度高、速度快等优点。RBF神经网络研究为瓦斯水合物生成压力预测提供了一种新途径。     

基于灰色RBF神经网络瓦斯涌出量预测

影响瓦斯涌出量的各种因素往往存在高度非线性,神经网络适合处理高度非线性数据,但样本数据随机性往往容易影响神经网络模型的预测精度,所以将改进的灰色模型引入进来弱化样本的随机性。又考虑到瓦斯预测上,RBF神经网络比BP神经网络更有优势,通过做差值将改进的灰色GM(1,1)模型和RBF神经网络结合起来,建立灰色RBF神经网络模型。仿真实验证明,灰色RBF神经网络模型比RBF神经网络模型的预测精度更高,达到了较理想的预测效果。     

BP和RBF神经网络在起重机钢丝绳断丝数量预测中的比较研究

利用MATLAB工具箱函数分别建立了起重机钢丝绳断丝数目检测的BP神经网络和RBF神经网络模型,并对2种模型的结构、预测精度和训练过程进行了对比研究。结果表明,在一定的样本集和训练条件下,BP和RBF神经网络均能对钢丝绳的断丝数目进行很好预测,可以解决峰值、阀值波宽、小波能量和波形下面积对钢丝绳断丝数目的非线性映射关系,能够满足工程预测的需要。但RBF神经网络较BP神经网络在迭代次数、收敛速度和网络结构方面更具优势,因此其预测能力和泛化能力都优于BP神经网络。     

径向基神经网络无偏灰色瓦斯涌出量预测

利用径向基神经网络纠正无偏灰色预测残差,构建了一种径向基无偏灰色组合模型,并利用该组合模型对某矿山瓦斯相对涌出量进行实验仿真。结果表明,该组合模型预测与无偏灰色模型相比,平均绝对误差比RBF神经网络增高,且不受数据波动性影响,能够更好地反映矿山瓦斯相对涌出量的规律,预测准确、可靠。     

一种基于耦合算法的矿井风流温度预测新方法

针对矿井风流温度预测工作的复杂性及各个影响因素的模糊的非线性关系,传统预测方法难以构建预测模型,导致预测精度低的特点,提出一种基于RBF神经网络的矿井风流温度预测方法;并利用粒子群算法对RBF神经网络参数进行寻优,利用煤矿历史数据对预测模型进行仿真研究。结果表明,提出的基于改进粒子群算法的RBF神经网络模型(MPSO-RBF)具有收敛速度快,预测精度高的特点,为矿井风流温度预测领域提供理论支撑。     

基于RBF神经网络的绝缘子污秽智能诊断

选用RBF神经网络建立绝缘子泄漏电流特征量、气象参数与绝缘子污秽程度之间的映射关系,通过人工污秽试验数据对网络进行训练,搭建了基于RBF神经网络的绝缘子污秽智能诊断模型,并对该模型的预测做了验证,结果表明,可以对绝缘子污秽程度实现很好的预测效果。     

小波神经网络在离心压缩机故障诊断中的应用

为了能够准确、快速地对离心压缩机的各类故障进行诊断,将小波理论与神经网络相结合,建立了离心压缩机的故障诊断模型,分析了Harr小波函数的定义和特性。针对离心压缩机的故障特征,建立了对应的小波分析神经网络,输入层的神经元为5个小波变换获得的故障特征向量;输出层神经元为5个离心压缩机的故障模式;隐含层有3层,神经元数总共有24个,该方法具有较高的计算精度和计算速度。     

小波包神经网络在离心压缩机故障识别中的应用

为了能够提高离心压缩机故障识别的准确性和效率,构造了小波包模糊神经网络对离心压缩机进行故障识别。研究了小波包分析提取特征向量的方法。利用小波包分析获得了离心压缩机的特征向量后,利用模糊神经网络对其进行故障识别。利用小波包模糊神经网络对离心压缩机常见的5种故障进行了识别,结果表明该方法具有较高的故障识别能力。     

流量对离心泵内部流场的影响

借助Fluent软件,基于三维Navier-Stokes方程和标准k-ε模型,采用多重参考坐标系和Simple算法对IS80-50-315离心泵内三维湍流流场进行了数值模拟,得到了不同流量下离心泵内的速度分布和压力分布,研究了流量对离心泵运行性能的影响,研究结果为离心泵的设计提供了有益的参考。     

基于PumpLinx的叶片出口安放角对离心泵内外性能影响的研究

为了全面深入了解叶片出口安放角对离心泵内外工作性能的影响,选取某单级离心泵模型为基础,通过改变叶片出口安放角大小获得6组离心泵水力模型。基于SIMPLEC算法、标准κ-ε湍流模型和雷诺时均的N-S方程作为流动控制方程,通过PumpLinx流体机械仿真软件对不同出口安放角的水力模型进行数值模拟,得到了相应的压力、速度、水力空化云图。通过对比分析,得到了叶片出口安放角对离心泵内外工作性能和空化的影响规律。     

基于RBF神经网络的堤防管涌预测方法

影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。     

基于计算流体动力学的离心泵空化性能研究

采用混合两相流模型对不同流量下IS100-65-200型离心泵内定常三维湍流空化流场进行模拟,分析了流道中压力分布、液体发生空化的位置、空泡组分的体积比以及空化对泵外特性的影响。结果表明,该泵具有良好的抗空化性能;所研究的工况下,空化对外特性影响较弱。计算结果与试验数据基本吻合,表明了本文所提出的离心泵空化性能数值研究方法的可行性。