基于径向基函数神经网络的多级离心压缩机混合模型

摘要：

大型离心压缩机作为多影响因素和强非线性的复杂系统,其性能的准确预测难以实现.针对这一问题,结合径向基函数(RBF)神经网络,本文建立了多级离心压缩机性能预测的混合模型.首先基于热力学第一定律和压缩机能量损失机理建立了多级离心压缩机性能预测的机理模型.该模型无需任何实验确定的性能曲线,完全由压缩机的几何结构参数预测出压缩机在设计工况和非设计工况下的性能.然后利用RBF神经网络修正机理模型的误差,并通过对RBF神经网络的不断更新,进一步提高了模型的预测精度和适用性.将所建立的混合模型应用于实际的离心压缩机,结果表明该方法具有良好的预测性能.

关键词：离心压缩机、性能预测、混合模型、径向基函数神经网络、非线性、能量损失机理

所属期刊栏目：29

分类号：TP452

资助基金：国家自然科学基金资助项目61074074,61174130,61004083;国家"863"计划资助项目2011AA060204;国家"973"计划子课题资助项目2009CB320601

在线出版日期：2013-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1205-1210