[發明專利]一種離心泵揚程特性分析與預測的方法

有效

• 申請號: 201710947705.8
• 申請日: 2017-10-12
• 公開（公告）號: CN107590351B
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 黃海隆;萬毅;吳承文
• 申請（專利權）人: 溫州大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

1.一種離心泵揚程特性分析與預測的方法，其特征在于，所述方法包括：

步驟S1、確定離心泵揚程由離心泵的流量和葉片角相關；

步驟S2、對離心泵的流量和葉片角進行組合賦值，并根據所述組合賦值后的流量和葉片角，測出相應的離心泵揚程值；所述步驟S2具體包括：

根據離心泵的初始設計要求，確定流量和葉片角的攝動范圍，且將流量和葉片角設置成三個水平維度，并給每一水平維度的流量和葉片角分別給予賦值；

將所述賦值后的每一水平維度的流量和葉片角進行交叉組合，得出由一流量和一葉片角組合形成的九個全因子；

按照所述九個全因子各自對應的流量和葉片角賦值進行離心泵揚程特性試驗，分別測出相應的離心泵揚程值；

步驟S3、以離心泵的流量和葉片角作為輸入變量以及離心泵揚程作為輸出變量，構建目標函數，并將所述組合賦值后的流量和葉片角及其測出的離心泵揚程值作為訓練樣本優化所述目標函數，得到離心泵揚程的非線性函數；所述步驟S3具體包括：

以離心泵的流量和葉片角作為輸入變量以及離心泵揚程作為輸出變量，構建目標函數及其對應的約束條件；其中，所述目標函數為所述約束條件為是核空間映射函數，權矢量w∈R^d，誤差變量e_k∈R，b是偏差量；損失函數J是SSE誤差和規則化量之和，γ是控制對錯分樣本懲罰的程度的可調參數，P_k＝(Q_k,θ_k)^T是所述組合賦值后的流量和葉片角中第k個流量和葉片角的值，H_k是所述組合賦值后的流量和葉片角中第k個流量和葉片角測出相應的離心泵揚程值；

引入拉格朗日函數，對所述目標函數進行優化；其中，所述優化后的目標函數為

將所述組合賦值后的流量和葉片角及其測出的離心泵揚程值作為訓練樣本對所述優化后的目標函數進一步進行優化，得到相應的方程組

采用均方差交叉網格搜索法確定基于核函數的機器學習網絡的最佳參數對(γ,σ)；

根據所述確定的最佳參數對(γ,σ)，確定拉格朗日乘子α_k和偏移因子b，得到離心泵揚程與流量和葉片角之間的非線性函數；

步驟S4、獲取離心泵的流量和葉片角的實際值，并將所述獲取到的離心泵的流量和葉片角的實際值導入所述離心泵揚程的非線性函數中，得到離心泵揚程特性分析與預測值；

所述采用均方差交叉網格搜索法確定基于核函數的機器學習網絡的最佳參數對(γ,σ)的具體步驟包括：

確定合適的正則化參數集和核參數集；

應用網格搜索法在正則化參數集和核參數集中選擇一個參數對(γ,σ)，用參數對(γ,σ)進行交叉驗證；其中，用一個步長為2²的(γ,σ)組合,得到學習精度最高的γ和σ的值；在這兩個γ和σ值旁的一定范圍內把樣本集D分為S組{G₁,G₂,…,G_S}，把任意的S-1組作為訓練集，剩余的一組作為驗證集，重復S次；

循環選擇參數對(γ,σ)進行交叉驗證，計算每個參數對(γ,σ)的MSE_cv，直到網格搜索停止，確定MSE_cv最小的參數對(γ,σ)為最佳。