[发明专利]一种离心泵叶轮主尺寸设计方法和装置

权利要求书

1.一种离心泵叶轮主尺寸设计方法，其特征在于：

建立离心泵高效水力模型库，利用高效水力模型的性能参数和尺寸参数建立数据库，搭建全连接神经网络与双向LSTM神经网络，利用数据库对所述两个神经网络模型进行训练；将需设计的离心泵参数输入训练后全连接神经网络，预测出叶轮主尺寸计算中的无量纲经验系数，进而计算出叶轮进口直径D_j、叶轮初步出口直径和叶轮出口宽度b₂，再通过训练后双向LSTM神经网络预测计算出精确的叶轮出口直径D₂，完成叶轮主尺寸设计；所述性能参数包括流量、扬程和比转速，所述尺寸参数包括叶轮进口直径D_j、叶轮出口直径D₂和叶轮出口宽度b₂，所述需设计的离心泵参数包括流量、扬程、比转速，所述无量纲经验系数包括叶轮进口直径无量纲经验系数叶轮出口直径无量纲经验系数和叶轮出口宽度无量纲经验系数

2.根据权利要求1所述的离心泵叶轮主尺寸设计方法，其特征在于：

建立数据库时，利用性能参数和尺寸参数逆向计算出无量纲经验系数，作为数据库一部分，结合性能参数训练全连接神经网络；利用性能参数计算得到叶轮初步出口直径和叶轮理论出口直径D₂′，作为数据库一部分，训练双向LSTM神经网络。

3.根据权利要求2所述的离心泵叶轮主尺寸设计方法，其特征在于：

将所述与D₂′之间的数值n等分，得到n+1个数据点，作为双向LSTM神经网络模型的输入，训练得到精确的叶轮出口直径D₂；其中5≤n≤7。

4.根据权利要求3所述的离心泵叶轮主尺寸设计方法，其特征在于，所述n取6。

5.根据权利要求1所述的离心泵叶轮主尺寸设计方法，其特征在于，所述双向LSTM神经网络模型，共有8层；第一层为输入层，第二层为正向LSTM神经网络层，共7个神经元；第三层为逆向LSTM神经网络层，共7个神经元；第四层为数据合并层，将第二层正向LSTM层的输出和第三层逆向LSTM层的输出相加并平均；第五层为正向LSTM层，共7个神经元；第六层为全链接神经网络层，共128个神经元；第七层为Leaky ReLU激活函数层；第八层为输出层。

6.根据权利要求1所述的基于机器学习的离心泵叶轮主尺寸设计方法，其特征在于，所述全连接神经网络模型的第三层为Leaky ReLU激活函数层。

7.一种离心泵叶轮主尺寸设计装置，其特征在于，包括：

模型数据库建立模块，用于根据离心泵模型建立数据库；

主尺寸计算模块，用于搭建和训练全连接神经网络模型；

叶轮出口直径精算模块，用于搭建和训练双向LSTM神经网络模型。