基于神经网络的泵机组运行效率研究.pdf

基于神经网络的泵机组运行效率研究.pdf

ID:48010392

大小:487.66 KB

页数:3页

时间:2020-01-14

基于神经网络的泵机组运行效率研究.pdf_第1页
基于神经网络的泵机组运行效率研究.pdf_第2页
基于神经网络的泵机组运行效率研究.pdf_第3页
资源描述:

《基于神经网络的泵机组运行效率研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于神经网络的泵机组运行效率研究李睿侯宇刘淑聪赵国星刘国豪许铁(1.中国石油管道公司科技研究中心;2.防灾科技学院)摘要现代长距离输油管道大多采用密闭输送的方式,目前输油系统普遍使用离心泵机组作为提供能量的动力装置。机组效率是评价泵机组运行节能与否的重要因素。通过分析影响机组效率的主要因素,根据机纽效率与各因素之间的关系,利用人工神经网络构建泵性能的预测模型,并使用实际测量的参数来训练网络。预测结果表明,神经网络可以实现对离心泵机组效率的精确预测并可用于实际应用。关键词泵机纽效率软测量技术神经网络预测节能DOI:10.3969/

2、.iSSR.2095-1493.2011.04001随着我国石油化工产业的不断发展,大量的输BP神经网络的多层前馈网是最常用、最成熟的油管道也相继投入使用。为保证国民生产需要,原神经网络之一,其结构简单,工作状态稳定,易于硬油、成品油管道需不间歇运行。输油泵机组作为输件实现,广泛应用于非线性映射、函数逼近、模式识油管道主要耗能设备用电量极大,它的运行效率成别及复杂系统仿真等方面。前馈型网络通常有一个为评价其是否节能运行的重要因素。在实际的评价或多个隐层,隐层的非线性传递函数神经元可以学习过程中,需要通过专业仪器来测试不同的运行参

3、数输入输出之间的线性和非线性关系。图1为基本的BP以计算不同流量下的机组效率。软测量技术在工业神经网络结构。其中,x一(z,z1..·Xn)为输入向量,过程分析、变量测试计量、控制优化等理论和实践Y:(Y],Y⋯y)为输出层向量,隐层到输出层和输入中取得了较好的效果。使用软测量技术,可通过层到隐层的权值矩阵分别用W=(砌,⋯)和以往实测的数据对待测设备的效率进行预测计算,V=(】,2⋯)表示。不但经济可靠,而且误差较小,为节能评价提供了一种新的方法。神经网络由于其大规模并行处理、容错性、自组织和自适应能力以及联想功能强等特点,已

4、成为解决很多问题的有力工具。借助BP(BackPropagation)神经网络,不仅可以通过对已jiji··-·,有试验样本的训练来预测泵在不同工况下泵机组的图1BP神经网络结构效率,而且可以缩短测试时间,降低成本。1BP神经网络2神经网络模型的建立BP神经网络具有自学习、自组织、非线性动2.1影响泵机组效率的因素态处理等特征及联想推理和自适应识别能力。它根据QSY/GD0015-2009《输油泵机组节能监可以用在诸如被控对象的模型辨识中,即将过程看测方法》、GB/T12497-2006《三相异步电动机经成一个黑箱子,通过测量其

5、输入输出特性,然后利济运行》,影响泵机组效率的因素有流量(Q)、电用所得实际过程的输入输出数据训练一个神经网动机负载电压)、电动机负载电流(¨、液体密络,使其输出对输入的相应特性具有与被辨识过程度(1D)、电动机功率因数(COS)、泵进出口管径相同的外部特性。(D)、扬程(H)等。本文通过选取近5年内所实测的数据,建立流量、电动机负载电压、电动机负载第一作者简介:李睿,2009年毕业于吉林大学,工程师,主要从事电流、液体密度、电动机功率因数与泵机组效率之管道防腐及节能技术研究。E—mail:kjlirui@petrochina.

6、oom.cn,地址:河北省廊坊市金光道51号,065000。间的神经网络训练与预测关系。21311年第I期石油石化节能l1■lTesting&Research2.2网络的设计及训练网络训练过程的误差曲线如图3所示。由图可测量的数值都是实际的测量值,因此这些数据见经过744次训练后,网络的目标误差达到训练要可以对网络进行有效的训练。一般认为,过少的样求0.0001。本可能使网络的表达不够充分,从而导致网络外推l0o的能力不够;而过度的样本会导致样本冗余现象,蠢10不但增加了网络的训练负担,而且会出现过拟合现嚣曩象。将各影响因素和泵

7、机组效率设为输入矢量和相鼙10’皿\应的目标矢量并进行归一化处理,使数据处理为区I薯.\、—、间【0,1】之间的数据,归一化时采用公式(1),表司~—螬~—————~攀11示出部分归一化后的数据。二一二(1)101oo2003o04o05oo6∞700Zmdx—Zmin调撼次数式中:z、分别为转换前、后的值;z、图3网络训练过程的误差曲线分别为样本的最大值和最小值。选用三层的BP神经网络来实现函数的逼近,输入向量有5个元3结果分析素,所以网络输入层的神经元有5个,根据Kolmovgorov定理,网络的中间层神经元取11个,通过B

8、P神经网络对l5组泵机组效率进行预输出向量一个,所对应的输出层神经元为一个。网测,将网络得出的预测值进行反归一化后与实际效络中间层的神经元传递函数采用s型正切函数率值进行对比(表1),比较见图4。tansig,输出层神经元传递函数采用s型对数函数logsig。利

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。