[发明专利]一种基于混合模型预测不同转速下离心泵效率预测的方法在审

专利信息
申请号: 202110169168.5 申请日: 2021-02-07
公开(公告)号: CN113158590A 公开(公告)日: 2021-07-23
发明(设计)人: 刘毅;夏召顺;郑水华 申请(专利权)人: 浙江工业大学
主分类号: G06F30/28 分类号: G06F30/28;G06N7/00;G06F111/08;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: 310006 浙江省*** 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 基于 混合 模型 预测 不同 转速 离心泵 效率 方法
【权利要求书】:

1.一种基于混合模型预测不同转速下离心泵效率预测的方法,其特征在于,包括以下步骤:

步骤1)、获取离心泵不同转速下过程变量数据集:运行离心泵,获取不同转速下离心泵的出口流量Q,出口阀门开度V和离心泵进口压力Ps、出口压力Pd,和离心泵效率η建立不同转速下的过程变量数据集,其中出口流量Q,出口阀门开度V和离心泵进、出口压力Ps、Pd作为输入变量,离心泵效率η作为待预测变量;

步骤2)、不同转速下数据的预处理以及数据集划分:对不同量纲单位的输入变量数据进行标准化处理,变成无量纲数据集;并将其中相同转速下的数据归为一个样本子集,选取两个样本子集作为测试样本子集,其余作为训练样本子集;

步骤3)、根据不同的训练样本子集训练多个GPR模型:根据不同的训练样本子集建立多个GPR模型,将不同的训练样本子集输入到GPR模型中进行训练;

步骤4)、制定相似度量标准选择与测试样本子集相近的训练样本子集:分别将不同的测试样本子集输入到不同的GPR模型中,根据不同GPR模型的预测方差结合贝叶斯定理制定标准度量不同转速下样本的近似性;并选择与测试集相似度最接近的三个样本子集作为训练集;

步骤5)、划分大流量阶段和小流量阶段:根据输入变量中的阀门开度将训练集合对应的测试样本集子集划分为大流量阶段和小流量阶段,其中阀门开度大于50%的为大流量阶段,阀门开度小于50%的为小流量阶段;

步骤6)、选取小流量样本数据训练局部GPR模型并进行预测:建立GPR模型,选取训练集小流量阶段的样本输入到GPR模型中进行训练,然后将对应的测试样本子集的小流量阶段的样本入到训练好的GPR模型中进行预测;

步骤7)、使用基于泵的相似定律的机理模型预测大流量区间的效率:使用额定转速下的大流量阶段的效率通过基于泵相似定律的机理模型得到测试样本子集大流量阶段的效率;

步骤8)、验证混合模型的有效性:建立全局GPR模型和全局机理模型,分别输入测试样本子集得到输出变量,比较预测性能,采用均方根误差RMSE和最大绝对相对误差MARE评价指标对模型进行评估,验证混合模型的预测效果。

2.根据权利要求1所述的一种基于混合模型预测不同转速下离心泵效率预测的方法,其特征在于所述步骤2)的过程为:

步骤2.1:对不同转速下的数据进行min-max标准化处理,公式如下:

式中,x'为标准化处理后的数据集;x为所采集的原始数据集;xmin为原始过程变量数据的最小值;xmax为原始过程变量数据的最大值;

步骤2.2:从标准化处理后的不同转速下的数据集中将相同转速下的样本归为一个样本子集,从而得到不同的样本子集S=(S1,…Sm)。

3.根据权利要求1所述的一种基于混合模型预测不同转速下离心泵效率预测的方法,其特征在于所述步骤3)的过程为:根据训练样本子集的个数创建多个GPR模型。对于输出变量y,GPR模型高斯先验分布,均值为零的回归函数,或者是离散型的回归函数:

y=(y1,…,yN)T~G(0,C)

式中C表示第i个元素C(xi,xj)的N×N协方差矩阵。

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/202110169168.5/1.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