基于MATLAB的气动马达万有特性曲线绘制方法研究.pdf

《基于MATLAB的气动马达万有特性曲线绘制方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年第42卷石油矿场机械第12期第21页oILFIELDEQUIPMENT2013，42(12)：21～25文章编号：lO013482(2013)12002105基于MATLAB的气动马达万有特性曲线绘制方法研究曾鸣，王葆葆，张仕民，王文明(中国石油大学(北京)机械与储运工程学院，北京102249)摘要：万有特性曲线可以作为分析气动马达性能的重要依据，有利于合理选择气动马达，降低耗气量，提高工作效率。利用MATLAB软件强大的数据处理能力和绘图功能，分别采用多元线性回归方法和BP神经网络技术处理气动马达台架试验数据，最终将等耗气率曲线、等功率曲线及外特性曲线较好地拟

2、合在同1张图上，为气动马达与传动系统的合理匹配提供了直观、可靠依据。关键词：气动马达；万有特性曲线；多元线性回归；BP神经网络中图分类号：TE9文献标识码：AResearchonFittingMethodsofUniversalPerformanceCurveforAirMotorBasedonMATLABZENGMing，WANGBao—bao，ZHANGShi—min，WANGWen—ming(College0l，MechanicalandTransportationEngineering，ChinaUniversityoJPetroleum，Beijing10224

3、9，China)Abstract：Universalperformancecurveplottingforairmotorcanbeveryusefulforanalyzingper—formanceparametersofmotors．Itisalsoveryconducivetochoosereasonableairmotor，decreaseairconsumptionandimproveworkefficiency．Takingadvantageofdata～handlingcapacityandgraphiccapabilityofMATLAB，multiple

4、linearregressionmodelandBPneuralnetworkwerein—troducedtoprocessdataofexperimentbench．Finally，equal—gasconsumptioncurves，externalcharacteristiccurveandequippowerlineswereingoodfitinafigure．Allthesecurvescanalsobeusedtodoairmotors’performanceresearch．Keywords：airmotor；universalperformancecu

5、rve；multiplelinearregression；BPneuralnetwork气动马达以其高安全性、广泛适应性及可靠轻气动工具匹配动力源之前，对气动马达性能进行全便等特点被广泛应用于石油钻采、矿山机械及海上面分析就显得特别重要。气动马达的万有特性曲线平台等恶劣的工作环境中，例如，作为石油钻机上气是描述马达转速、转矩、耗气率及功率之间相互关系动绞车的动力口]。但多数气动绞车因动力系统匹配的多参数特性曲线，该曲线能够全面反映气动马达不合理，使得气动马达普遍存在耗气量大、工作效率的综合性能，为研究气动马达性能及选型提供直观、低及动力性不能得到有效发挥等问题。可靠依据]

6、。气动马达的合理选型能够提高绞车等气动工具目前，国内外诸多学者对发动机万有特性曲线的工作效率，降低耗气量，改善经济性。因此，在为的绘制方法进行了广泛而深入的研究]，但对气动收稿日期：2o13-07—05作者简介：曾呜(1956)，男，重庆人，副教授，硕士生导师，博士，1994年毕业于中国矿业大学，主要从事清管技术及管道内检测方面的研究工作，E-mail：mzeng@cup．edu．cn。石油矿场机械线性【旦J冀归方法和绘BP制神经网络孝技术对。气动享马达台架模⋯型的⋯建立试验数据进行处理，并借助MATIAB软件绘制出1．1多元线性回归模型气动马达的等耗气率曲线、等功率曲线

7、及外特性根据多元线性回归理论，建立如下气动马达等曲线。耗气率曲线模型：6l11T1订】丁1T⋯⋯T621”2T2””2T2T⋯n⋯T×+；iii；；；；；；bl”NTN”NTNT⋯式中：6～6为对应样本耗气率；”～为对应样望输出为一be。本转速；丁～T为对应样本转矩；a～“为模型待定系数～为随机误差；是表示多项式项数；Pl表示多项式的最高次幂，且满足)，是一I1)。该模型也可以简化为B—G×A+E，其中A为该模型的待定系数矩阵，E为随机误差矩阵(也称残差矩阵)。图1典型的BP网络结构理论上讲，系数矩阵G中多项式的阶数z越大越能