基于神经网络预测液力透平压头和效率

作者: 杨军虎 [1,2] ; 许亭 [1] ; 王晓晖 [1,2]

关键词: BP神经网络遗传算法液力透平性能预测线性回归 BP neural network genetic algorithm hydraulic turbine performance prediction linear regression

摘要：建立BP和GA-BP神经网络预测离心泵反转作液力透平的压头和效率.用63台离心泵作透平的参数作为训练两个网络的样本,以泵的叶轮出口直径、叶片包、出口宽度、出口安放角、叶片数和比转速作网络输入层,透平压头和效率作输出层.用6组样本外的数据测试经训练后的两个网络的预测能力,并做网络预测值与试验值的相关性和线性回归分析.结果表明,BP网络对压头和效率预测的平均误差为5.33%和0.86%,GA-BP网络对压头和效率预测的平均误差为3.56%和0.46%.GA-BP网络预测精度高,预测结果与实验值相关性强,预测所用时间为BP网络的1/3,更适合做泵反转作液力透平的性能预测.

上一篇：螺旋离心泵叶轮区域漩涡空化的计算与分析
下一篇：接触式机械密封摩擦端面接触状态的仿真分析

基于神经网络预测液力透平压头和效率

作者: 杨军虎 [1,2] ; 许亭 [1] ; 王晓晖 [1,2]

关键词: BP神经网络 遗传算法 液力透平 性能预测 线性回归 BP neural network genetic algorithm hydraulic turbine performance prediction linear regression

关键词: BP神经网络遗传算法液力透平性能预测线性回归 BP neural network genetic algorithm hydraulic turbine performance prediction linear regression