柱塞泵畢業(yè)設(shè)計(jì)外文文獻(xiàn)翻譯--利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軸向柱塞泵的性能譯文-資料下載頁(yè)
2025-05-11 13:43本頁(yè)面
【導(dǎo)讀】本文推導(dǎo)了應(yīng)用于軸向柱塞泵（斜軸式）的神經(jīng)網(wǎng)絡(luò)模型。據(jù)是由一個(gè)實(shí)驗(yàn)裝置獲得的。這個(gè)正在進(jìn)行的研究的目的是降低柱塞泵在高壓下。工作時(shí)的能量損耗。神經(jīng)網(wǎng)絡(luò)模型具有前反饋的結(jié)構(gòu)，并在測(cè)驗(yàn)過程中使用。該模型能夠準(zhǔn)確地預(yù)測(cè)柱塞泵的動(dòng)態(tài)響應(yīng)。力供應(yīng)控制和靜液壓傳動(dòng)驅(qū)動(dòng)器的控制。本裝置具有變量機(jī)制和功率-重量比特。性，使其最適合于高功率電平的控制。所設(shè)計(jì)的這種軸向柱塞泵擁有可靠性和簡(jiǎn)。便的特點(diǎn)，然而其最重要的特征是可以變量輸出。所提出的模型的精確度依賴于制造商提供的動(dòng)態(tài)運(yùn)行曲線等數(shù)。他們得出結(jié)論，運(yùn)行條件對(duì)泵的動(dòng)態(tài)行為是非常關(guān)鍵的，而泵的動(dòng)態(tài)行為可。以通過減小壓力設(shè)定值進(jìn)行改善。證，實(shí)驗(yàn)中使用了一個(gè)有寬、短而深的凹槽的配流盤。液壓軸向柱塞泵的缸體壓力和流量。特別是對(duì)于高度非線性的系統(tǒng)。器和連續(xù)攪拌式生物反應(yīng)器，所得到的結(jié)果是令人滿意的。該泵由兩個(gè)主要部分組成。是用來保護(hù)增壓泵回路以避免其壓力過高。
【正文】 000 rpm，實(shí)驗(yàn)（ +）和 NN預(yù)測(cè)（實(shí)線）泵的轉(zhuǎn)速為 800 rpm。 圖 10 壓力 P1的預(yù)測(cè)值（孔口直徑 = 毫米）：實(shí)驗(yàn)（○）和 NN預(yù)測(cè)（實(shí)線）泵的轉(zhuǎn)速為 1000 rpm，實(shí)驗(yàn)（ +）和 NN預(yù)測(cè)（虛線）泵的轉(zhuǎn)速為 550 rpm。 圖 11 壓力 P2的預(yù)測(cè)值（孔口直徑 = 毫米）：實(shí)驗(yàn)（○）和 NN 預(yù)測(cè)（實(shí)線）泵的轉(zhuǎn)速為 1000 rpm，實(shí)驗(yàn)（ +）和 NN預(yù)測(cè)（虛線）泵的轉(zhuǎn)速為 800 rpm。 圖 12 壓力 P3的預(yù)測(cè)值（泵的轉(zhuǎn)速 =800 rpm 和孔直徑 = 毫米）：實(shí)驗(yàn)（○）和 NN 預(yù)測(cè)（實(shí)線）。 同樣的，圖 9 顯示了神經(jīng)網(wǎng)絡(luò)模型能很好地預(yù)測(cè)壓力 P2 的值。預(yù)測(cè)值和實(shí)驗(yàn)值之間的誤差小于 7％。這是一個(gè)很好的跡象，表明神經(jīng)網(wǎng)絡(luò)建模技術(shù)在模擬復(fù)雜的系統(tǒng)，如斜軸式軸向柱塞泵時(shí)是一個(gè)可行的工具。 結(jié)論 人們已經(jīng)開始用神經(jīng)網(wǎng)絡(luò)建模 技術(shù)來預(yù)測(cè)斜軸式軸向柱塞泵的穩(wěn)態(tài)和動(dòng)態(tài)響應(yīng)。實(shí)驗(yàn)數(shù)據(jù)是從一個(gè)用來測(cè)驗(yàn)網(wǎng)絡(luò)的實(shí)驗(yàn)裝置收集來的。所得出的模型能準(zhǔn)確地預(yù)測(cè)壓力。因此，神經(jīng)網(wǎng)絡(luò)對(duì)于模擬復(fù)雜的系統(tǒng)，如斜軸式軸向柱塞泵具有很大的潛力。 附錄 梯度下降法 梯度下降法常用于在測(cè)驗(yàn)階段更改權(quán)重系數(shù)。假定網(wǎng)絡(luò)有 n層而網(wǎng)絡(luò)的輸入向量有 m 個(gè)分量。 k層中的神經(jīng)元 x 的輸出的計(jì)算方法如下： 其中 k = 0 對(duì)于方程（ 1）當(dāng)設(shè)定 k = n 時(shí)，就可以獲得輸出層的輸出。網(wǎng)絡(luò)的誤差平方和（ sse）由下式給出： 其中 dj和 ajn 分別是輸出層 n中的神經(jīng)元 j 的期望 和實(shí)際輸出。下標(biāo) p表示一個(gè)特定的輸入矢量。測(cè)驗(yàn)過程的目的是獲得一組合適的能得到最小的誤差平方和 sse 的權(quán)重。 k層的梯度下降的計(jì)算公式如下： 其中 T表示轉(zhuǎn)置矩陣 輸入向量為 p 時(shí)神經(jīng)元梯度矩陣如下式所示： 相應(yīng)的權(quán)重矩陣如下式所示： 輸出層的梯度下降的值如下式所示： 其中 按照上面描述的過程，我們可以從輸出層開始一層一層地計(jì)算出所有層的梯度下降值。當(dāng)所有層的所有梯度下降值都計(jì)算出來后，就可使用以下的更改規(guī)則來計(jì)算以對(duì)權(quán)重進(jìn)行調(diào)整： 常數(shù)η稱為學(xué)習(xí)速率。實(shí)際權(quán)重可以如下計(jì)算： 當(dāng)誤差 的平方和函數(shù)最小而且沒有出現(xiàn)過度擬合時(shí)就得到了一組最好的權(quán)重值。 參考文獻(xiàn) [1] A. Aoyama， ， V. 線性過程控制的神經(jīng)網(wǎng)絡(luò)方法 .過程控制期刊，第 6 版（ 1996 年）， 1726 頁(yè) . [2] . Edge, J. .動(dòng)態(tài)系統(tǒng)的測(cè)量和控制期刊， 111（ 1989）， 307312 頁(yè) . [3] R. Gharbi， M. Karkoub， A. 的洪水的表現(xiàn)的人工神經(jīng)網(wǎng)絡(luò) .能源和燃料，第 9版（ 1995）， 894900頁(yè) . [4] . Harris, . Edge, . .動(dòng)態(tài)系統(tǒng) ASME 期刊，測(cè)量與控制， 116（ 1994）， 281287 頁(yè) . [5] P. Kaliafetis， . 真 .機(jī)械原理， 30（ 1995） 599612 頁(yè) . [6] A. 型 .摩擦學(xué)， 30（ 2）（ 1997 年）， 139150 頁(yè) . [7] I. Kiyoshi, N. .流體控制雜志， 22（ 1994）， 729 頁(yè) . [8] . Li, L. Yan, . 神經(jīng)網(wǎng)絡(luò)控制 .最優(yōu)控制的應(yīng)用與理論， 16（ 1995） 251262 頁(yè) . [9] . Panda, . Zaucha, G. Perez, . 普拉德霍灣的流體接觸情況 .SPE 第 70 屆技術(shù)大會(huì)及展覽會(huì)，達(dá)拉斯，德克薩斯州， 10 月 2225日（ 1995 年） .
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1