發(fā)布時間：2020-06-08 01:36

【摘要】： 離心式壓縮機(jī)是工業(yè)上廣泛應(yīng)用的高速大型設(shè)備,運(yùn)行性能與實際生產(chǎn)關(guān)系密切,其實際工作狀態(tài)與其設(shè)計工作條件往往存在某種差異,需要根據(jù)機(jī)組的實際條件對性能曲線進(jìn)行重新計算和評價。傳統(tǒng)理論計算模型不是需要依賴于相似性假設(shè)的準(zhǔn)確性及其被滿足的程度,就是需要經(jīng)驗公式,或者建立非常復(fù)雜的流體力學(xué)數(shù)學(xué)模型。但離心式壓縮機(jī)影響因素眾多,采用傳統(tǒng)方法建模往往精度低、通用性差。本論文將模糊神經(jīng)網(wǎng)絡(luò)用于離心式壓縮機(jī)性能模型的建立,其本身所特有的優(yōu)點(diǎn)有利于解決上述問題。論文探討采用以模糊神經(jīng)網(wǎng)絡(luò)為核心及其應(yīng)用中的相關(guān)問題,建立了離心式壓縮機(jī)性能的模糊神經(jīng)網(wǎng)絡(luò)模型,為離心式壓縮機(jī)的性能預(yù)測和控制提供更好的模型。 建立了Elman動態(tài)遞歸人工神經(jīng)網(wǎng)絡(luò)的壓縮機(jī)性能模型,計算結(jié)果顯示:輸出為二時,當(dāng)隱含層和結(jié)構(gòu)層節(jié)點(diǎn)個數(shù)為四時,檢驗誤差取得最小,訓(xùn)練誤差為3.12201,檢驗誤差為0.5906,基本能夠反映系統(tǒng)的運(yùn)行狀況,但模型精度不夠高。 建立了基于Takagi-Sugeno模糊推理的具有自適應(yīng)功能的模糊神經(jīng)網(wǎng)絡(luò)模型,模糊聚類算法采用MMC算法,計算結(jié)果顯示,當(dāng)潛能半徑r_a取0.6而r_b取1.1時,網(wǎng)絡(luò)有較佳的性能。訓(xùn)練誤差為0.52844,檢驗誤差為0.59579,生成的模糊規(guī)則數(shù)少,精度更高,計算量更少。 通過采用模糊C均值聚類建立了能夠反映壓縮機(jī)基本運(yùn)行趨勢的主模型,再利用模糊主控制模型的輸出與其他輸入向量通過最速梯度下降法訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò),初始值不再選取為隨機(jī)數(shù),極大地改善了網(wǎng)絡(luò)的訓(xùn)練時間或陷入非要求的局部極小值的問題。計算結(jié)果顯示,模型能夠反映壓縮機(jī)的運(yùn)行狀況,整個網(wǎng)絡(luò)對訓(xùn)練樣本的誤差為0.2618,對檢驗樣本的誤差為0.3622,結(jié)果令人滿意。 本文將透平與離心式壓縮機(jī)看作一體,簡化為一階慣性系統(tǒng),將此一階慣性系統(tǒng)疊加到模糊神經(jīng)網(wǎng)絡(luò)模型中,建立模糊控制模型,分析計算顯示:(1)單獨(dú)調(diào)整偏差量化因子或偏差變化量化因子,系統(tǒng)的響應(yīng)性能都不夠理想。而綜合調(diào)整二者的值,在一定范圍內(nèi),系統(tǒng)響應(yīng)時間和超調(diào)逐步改善,性能較優(yōu);(2)增大控制增量的比例因子,或增加規(guī)則表對偏差變化的敏感程度,響應(yīng)時間減少,響應(yīng)過程超調(diào)增加,收斂時間變長;(3)調(diào)整各變量的隸屬函數(shù)向中間收縮,響應(yīng)時間變長,超調(diào)減少,系統(tǒng)收斂時間變長。 本文在基本模糊控制器的基礎(chǔ)上,加入一積分因子自調(diào)整機(jī)構(gòu),仿真結(jié)果顯示,被控對象能夠迅速響應(yīng)期望值的變化,整個過程響應(yīng)時間幾乎不超過5秒,且到達(dá)期望值以后,迅速穩(wěn)定下來。
【圖文】：

縮機(jī)高壓缸(型號7CK31)和三個段間冷卻器組成，它們與驅(qū)動透平安裝在同一個底座上。機(jī)組裝有調(diào)節(jié)、保安系統(tǒng)、潤滑油系統(tǒng)等以保證機(jī)組安全運(yùn)轉(zhuǎn)和有效操作。機(jī)組配置圖如圖2一1所示。平衡管 }}}}}增增增增增 增 增!!!lll速速 速速速器 器器器 圖2一1機(jī)組配置圖機(jī)組的工藝性能及參數(shù)見下表。表2一1空氣壓縮機(jī)工藝性能及參數(shù)缸缸別 別低壓缸 (5CK57)))高壓缸 (7CK31)))段段別 別 lll222333444氣氣體性能能組分 分空氣 氣相 相相對濕度 度 80%%%分 分分子量 量 28.81~28.2111 KKKKK=CP/Cvvv1.39555壓 壓壓縮性系數(shù) 數(shù) 111氣 氣氣體常數(shù) 數(shù) 29.43~30.0666操操作條件件正常常入口溫度、℃ ℃ 37.88840.555540.55553555入 入 入入口壓力、kg/em， ， 0.928882.18885.988814.3555出 出 出出口溫度、℃ ℃ 159991899916555157

用人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和泛化功能改善壓縮機(jī)的計算模型精度.改善模型的泛化性育琶。圖3一2是壓縮機(jī)理論模型與人工神經(jīng)網(wǎng)絡(luò)結(jié)合方式的示意圖.先利用壓縮機(jī)理論模型對取自學(xué)習(xí)樣本的輸入?yún)��?shù)計算得到理論輸出，再將理論輸出和輸入?yún)��?shù)標(biāo)準(zhǔn)化后一起作為神經(jīng)網(wǎng)絡(luò)的輸入值，將學(xué)習(xí)樣本中的實際輸出量數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的期望輸出值，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，調(diào)整連接權(quán)值.訓(xùn)練完畢后，利用壓縮機(jī)理論模型由輸入?yún)��?shù)計算出理論輸出值，再將該理論輸出和輸入?yún)��?shù)標(biāo)準(zhǔn)化后作為神經(jīng)網(wǎng)絡(luò)模型的輸入，，進(jìn)而計算出神經(jīng)網(wǎng)絡(luò)模型的輸出，最后將其反標(biāo)準(zhǔn)化后即可得整個模型的實際輸出.壓壓縮機(jī) 機(jī)機(jī)機(jī)機(jī)機(jī)機(jī)理理論棋型型型神經(jīng)網(wǎng)網(wǎng)絡(luò) 絡(luò)絡(luò)絡(luò)棋型型圖3一2人工神經(jīng)網(wǎng)絡(luò)與壓縮機(jī)理論模型的結(jié)合方式 3.1.4模糊神經(jīng)網(wǎng)絡(luò)在壓縮機(jī)性能模型建立中的應(yīng)用分析壓縮機(jī)一般是涉及機(jī)、液、電等多學(xué)科技術(shù)領(lǐng)域的綜合系統(tǒng)，運(yùn)行時壓縮機(jī)各組分運(yùn)行參數(shù)相互影響
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：TH452

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 佟錚;張友鵬;;基于BP神經(jīng)網(wǎng)絡(luò)的機(jī)車輪對故障診斷系統(tǒng)研究[J];鐵路技術(shù)創(chuàng)新;2009年01期

2 黃蓮花;李光明;;神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合在車用傳感器中的應(yīng)用[J];裝備制造技術(shù);2011年08期

3 景利學(xué);蘇宏升;謝明軍;冉鵬程;;電壓型BUCK變換器控制策略研究[J];電氣傳動自動化;2011年04期

4 姜平;黃志鵬;;基于神經(jīng)網(wǎng)絡(luò)的公交客流預(yù)測[J];交通標(biāo)準(zhǔn)化;2008年13期

5 尹駿暉;李伶;杜青;;基于神經(jīng)網(wǎng)絡(luò)和柔度曲率的簡支梁損傷識別[J];山西建筑;2011年21期

6 孫海龍;馮超;匙瑞堂;;滾動軸承狀態(tài)監(jiān)測[J];工業(yè)設(shè)計;2011年05期

7 楊鶴年;;機(jī)電一體化系統(tǒng)中的智能控制技術(shù)[J];煤炭技術(shù);2011年07期

8 許杰;程錦房;何光進(jìn);;一種基于艦船磁場的神經(jīng)網(wǎng)絡(luò)識別模型[J];船電技術(shù);2011年09期

9 蒯松巖;吳濤;代尚方;張旭隆;;基于RBF的無位置開關(guān)磁阻電機(jī)控制系統(tǒng)[J];電力電子技術(shù);2011年07期

10 張赫;王煒;劉瑩瑩;;神經(jīng)網(wǎng)絡(luò)在交通流信息融合中的應(yīng)用[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2011年04期

相關(guān)會議論文 前10條

1 侯艷芳;馮紅梅;;基于神經(jīng)網(wǎng)絡(luò)的調(diào)制識別算法的研究[A];武漢(南方九省)電工理論學(xué)會第22屆學(xué)術(shù)年會、河南省電工技術(shù)學(xué)會年會論文集[C];2010年

2 沈建榮;楊林泉;陳琳;;神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性判據(jù)與區(qū)域經(jīng)濟(jì)結(jié)構(gòu)調(diào)整[A];系統(tǒng)工程與可持續(xù)發(fā)展戰(zhàn)略——中國系統(tǒng)工程學(xué)會第十屆年會論文集[C];1998年

3 石山銘;李富蘭;丁俊麗;;神經(jīng)網(wǎng)絡(luò)的知識獲取[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

4 吳清烈;徐南榮;;基于神經(jīng)網(wǎng)絡(luò)的一種多目標(biāo)決策方法[A];復(fù)雜巨系統(tǒng)理論·方法·應(yīng)用——中國系統(tǒng)工程學(xué)會第八屆學(xué)術(shù)年會論文集[C];1994年

5 李曉鐘;汪培莊;羅承忠;;神經(jīng)網(wǎng)絡(luò)與模糊邏輯[A];中國系統(tǒng)工程學(xué)會模糊數(shù)學(xué)與模糊系統(tǒng)委員會第五屆年會論文選集[C];1990年

6 房育棟;余英林;;高階自組織映射及其學(xué)習(xí)算法[A];1995年中國控制會議論文集（上）[C];1995年

7 王曉曄;杜朝輝;呂德忠;劉建峰;;神經(jīng)網(wǎng)絡(luò)模糊控制在溫度控制系統(tǒng)中的應(yīng)用[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

8 金龍;吳建生;;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)短期氣候預(yù)測模型(摘要)[A];新世紀(jì)氣象科技創(chuàng)新與大氣科學(xué)發(fā)展——中國氣象學(xué)會2003年年會“氣候系統(tǒng)與氣候變化”分會論文集[C];2003年

9 申偉;張元培;;基于MATLAB的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)(ANFIS)的應(yīng)用[A];《制造業(yè)自動化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會論文集[C];2004年

10 田艷兵;;BP算法和PSO算法在神經(jīng)網(wǎng)絡(luò)中的研究[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 記者 陳青　通訊員 孫國根;揭示神經(jīng)網(wǎng)絡(luò)形成新機(jī)制[N];文匯報;2011年

2 于翔;數(shù)字神經(jīng)網(wǎng)絡(luò)中的協(xié)同應(yīng)用[N];網(wǎng)絡(luò)世界;2009年

3 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

4 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報首席記者 任荃　實習(xí)生 史博臻;軌交“神經(jīng)網(wǎng)絡(luò)”觸動創(chuàng)新神經(jīng)[N];文匯報;2011年

7 計算機(jī)世界實驗室 韓勖;當(dāng)布線系統(tǒng)遭遇神經(jīng)網(wǎng)絡(luò)[N];計算機(jī)世界;2009年

8 曹建兵 李祖兵 特約記者 何天進(jìn) 本報記者 于莘明;給導(dǎo)彈植入“神經(jīng)網(wǎng)絡(luò)”[N];科技日報;2005年

9 譚薇;“潮濕計算機(jī)”：擁有人類智慧的超級大腦[N];第一財經(jīng)日報;2010年

10 韓婷婷;ICT強(qiáng)壯奧運(yùn)“神經(jīng)網(wǎng)絡(luò)”[N];通信產(chǎn)業(yè)報;2007年

相關(guān)博士學(xué)位論文 前10條

1 劉志祥;深部開采高階段尾砂充填體力學(xué)與非線性優(yōu)化設(shè)計[D];中南大學(xué);2005年

2 戴雪龍;PET探測器神經(jīng)網(wǎng)絡(luò)定位方法研究[D];中國科學(xué)技術(shù)大學(xué);2006年

3 馬戎;智能控制技術(shù)在煉鋼電弧爐中的應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

4 文敦偉;面向多智能體和神經(jīng)網(wǎng)絡(luò)的智能控制研究[D];中南大學(xué);2001年

5 吳大宏;基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)研究[D];西南交通大學(xué);2003年

6 杜文斌;基于神經(jīng)網(wǎng)絡(luò)的冠心病證候診斷標(biāo)準(zhǔn)與藥效評價模型研究[D];遼寧中醫(yī)學(xué)院;2004年

7 熊雪梅;參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測的應(yīng)用[D];南京農(nóng)業(yè)大學(xué);2004年

8 李智;電站鍋爐燃燒系統(tǒng)優(yōu)化運(yùn)行與應(yīng)用研究[D];東北大學(xué);2005年

9 王承;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2005年

10 譚陽紅;基于小波和神經(jīng)網(wǎng)絡(luò)的大規(guī)模模擬電路故障診斷研究[D];湖南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 廖犬發(fā);一種配電網(wǎng)故障區(qū)間診斷系統(tǒng)的研究[D];武漢大學(xué);2004年

2 陳燕;基于粒計算——神經(jīng)網(wǎng)絡(luò)的故障診斷方法與應(yīng)用[D];太原理工大學(xué);2011年

3 魏秀;文化算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)及應(yīng)用研究[D];太原理工大學(xué);2011年

4 王晶;基于神經(jīng)網(wǎng)絡(luò)理論實現(xiàn)混沌系統(tǒng)控制與同步研究[D];鄭州大學(xué);2002年

5 易江義;神經(jīng)網(wǎng)絡(luò)PID控制在汽車發(fā)電機(jī)性能自動測試系統(tǒng)的應(yīng)用[D];中南大學(xué);2004年

6 張霞;GIS內(nèi)部信號識別的神經(jīng)網(wǎng)絡(luò)建模及小波算法實現(xiàn)[D];天津大學(xué);2003年

7 仲京臣;基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷研究[D];中國海洋大學(xué);2004年

8 任子武;基于神經(jīng)網(wǎng)絡(luò)的參數(shù)自整定PID控制算法研究[D];哈爾濱理工大學(xué);2004年

9 高玉萍;基于專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的電力變壓器故障診斷[D];西安理工大學(xué);2005年

10 姆斯塔法;基于神經(jīng)網(wǎng)絡(luò)的二關(guān)節(jié)機(jī)器人協(xié)調(diào)控制[D];湖南大學(xué);2005年

本文編號：2702321