[发明专利]一种改进的离心泵外特性预测方法在审

专利信息
申请号: 202010887517.2 申请日: 2020-08-28
公开(公告)号: CN111985170A 公开(公告)日: 2020-11-24
发明(设计)人: 夏召顺;杨克允;娄维尧;马正阳;李蓥杰;许永超;戴云;汤宇炜;蔡姚杰 申请(专利权)人: 浙江工业大学
主分类号: G06F30/28 分类号: G06F30/28;G06F30/27;G06Q10/04;G06K9/62;G06F113/08;G06F119/14
代理公司: 杭州浙科专利事务所(普通合伙) 33213 代理人: 周红芳;朱盈盈
地址: 310014 *** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 改进 离心泵 特性 预测 方法
【权利要求书】:

1.一种改进的离心泵外特性预测方法,其特征在于包括以下具体步骤:

1)数据采集:离心泵外特性实验开始前,将进口阀开至最大,电机频率设定为预设频率,调节进口阀开度,依次记录出口阀口开度、进口压力、出口压力、泵出口流量;

2)选取相似样本:通过欧式距离相似度准则对所有历史数据样本通过相似度度量选取相似样本;

3)离心泵外特性预测模型的建立:在通过相似度量选取的相似样本中,将各组相似样本数据,离心泵的进口压力、出口压力、出口流量、出口阀门开度作为输入特征,将离心泵的扬程、效率、功率作为输出特征,将这些输入特征和输出特征导入到训练模型中,采用不同的核函数建立不同核函数的最小二乘支持向量回归模型,通过留一交叉验证法分别确定不同模型的最佳的核参数和正则化系数,最后获得不同模型下的离心泵的进出口压力、出口流量、出口阀门开度与扬程、效率、功率的对应关系;

其中,基于最小二乘支持向量回归模型建立预测模型的公式为:

yi表示训练数据中输出的离心泵外特性数值;

xi表示训练数据中离心泵外特性实验的测量数据;

c表示最小二乘支持向量回归模型的偏置项;

w表示最小二乘支持向量回归模型的模型参数向量;

wT表示最小二乘支持向量回归模型的模型参数向量的转置;

ei表示样本的近似误差;

φ表示模型的特征映射;

γ表示复杂度和近似精度之间的权衡的正则化参数;

J表示预测模型的优化目标函数。

4)模型的选取:通过不同核函数建立的最小二乘支持向量回归模型,运用最小绝对误差的标准,为每个测试样本选择最合适的核函数所建立的模型,使得每个测试样本匹配最佳的模型,提高预测准确性。

2.根据权利要求1所述的一种改进的离心泵外特性预测方法,其特征在于所述步骤2)中,欧式距离的计算方法公式为:

ηt,ni=exp(-||xn-xt,i||),n=1,…,N

其中ηt,ni是相似因子介于0和1之间,其值越大,xn与预测样本的相似度越小,其值越小,xn与预测样本的相似度越大,所述xn表示历史数据中的样本;xt,i表示新输入的测试样本。

3.根据权利要求1所述的一种改进的离心泵外特性预测方法,其特征在于所述步骤3)中,求偏导时,加入Lagrange乘子,具体公式如下:

其中α=[α1,…,αN]T表示Lagrange乘子;

1=[1,1,…1]T表示一个单位列向量;

G被定义为G=(K+I/γ)-1其中I表示为一个单位向量;

K表示为核矩阵。

4.根据权利要求1所述的一种改进的离心泵外特性预测方法,其特征在于所述步骤3)中,采用线性核函数、高斯核函数和多项式核函数建立三种预测模型,通过自适应学习,通过最小绝对误差的评判标准使得每个预测样本选取最合适的模型,其中线性核函数,高斯核函数和多项式核函数的公式如下:

线性核函数:K(x,x*)=xTx*

高斯核函数:K(x,x*)=exp(-||x-x*||/2σ2)

多项式核函数:K(x,x*)=(xTx*)d

其中σ表示核参数,为高斯核的带宽;

d表示核参数,为多项式的次数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010887517.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top