[發明專利]一種基于改進BP神經網絡的離心泵性能參數預測方法

在審

• 申請號: 202010891239.8
• 申請日: 2020-08-30
• 公開（公告）號: CN111985725A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 顏朝壽;史棋棋;黃斌;李亞飛;夏軻;蔡姚杰
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 周紅芳;朱盈盈

1.一種基于改進BP神經網絡的離心泵性能參數預測方法，其特征在于包括以下步驟：

步驟一：確認輸入、輸出參數的個數，建立離心泵參數訓練樣本，將訓練數據歸一化處理；

步驟二：根據經驗公式結合試湊法確定BP網絡結構；

步驟三：輸入訓練樣本對BP網絡進行訓練；

步驟四：采集離心泵的實測數據，按步驟一將數據進行歸一化處理，然后再將歸一化處理后的數據輸入到步驟三中已完成的訓練的改進BP神經網絡中，得到輸出值并對其進行反歸一化處理，即得到預測的離心泵性能參數。

2.根據權利要求1所述的一種基于改進BP神經網絡的離心泵性能參數預測方法，其特征在于所述步驟一中，為加快神經網絡的收斂和減少訓練時間，將訓練數據歸一化，使其在[0，1]之間，公式如下：

其中，x′為歸一化后的數據，x為被訓練數據，x_min為訓練數據中的最小值，x_max為訓練數據中最大值。

3.根據權利要求1所述的一種基于改進BP神經網絡的離心泵性能參數預測方法，其特征在于所述步驟二中，經驗公式如下所示：

其中，l為輸入層神經元個數，即輸入的個數，m為輸出層神經元個數，即輸出的個數，隱含層數為一層，神經元個數為a，將各個層的連接權值閾值隨機初始化，用w_ij，w_jk表示，i，j，k分別表示輸入、隱含、輸出層的神經元。

4.根據權利要求3所述的一種基于改進BP神經網絡的離心泵性能參數預測方法，其特征在于所述步驟三中，計算過程如下：

1)隱含層的計算：設f(x)為隱含層的激活函數，取S型函數，x為輸入層輸出的數據，b₁為隱含層閾值，隱含層各神經元的輸入為：

隱含層各神經元輸出為：H_j＝f(S_j)；

2)輸出層的計算：b₂為輸出層閾值，輸出層各神經元的輸出為：

3)誤差計算：神經網絡輸出層第k個神經元預測輸出為Y_k，為第k個神經元的期望輸出，它們之間的誤差為e_k，公式如下：

4)權值閾值的更新：根據誤差e_k和Adam優化算法更新各個權值閾值，過程如下：

m_t＝β₁m_t-1+(1-β₁)g_t

其中，g_t是其中一個權值或者閾值在第t次迭代時誤差對其的梯度，m_t和v_t分別是梯度的一階矩和二階矩估計；

5)將更新的權值閾值賦予BP神經網絡，重復步驟1)至步驟4)直到誤差低于訓練目標誤差或者迭代次數達到最大值，則改進BP神經網絡訓練完成。

5.根據權利要求4所述的一種基于改進BP神經網絡的離心泵性能參數預測方法，其特征在于所述m_t、v_t的計算公式如下：

取θ_t為第t次迭代時的權值或閾值：