压缩机实际能头特性的深度学习网络预测方法

发布时间：2023-05-12 23:41

　　压缩机运行特性与原厂测试特性存在差异,为了指导压缩机的安全稳定运行,结合压缩机特性计算方法与部分实际特性,建立了基于深度学习网络的压缩机实际能头特性预测模型。将大量不同工况下的压缩机实际能头数据作为深度学习网络的训练样本,在训练完成后利用未训练样本对模型精度进行了检验,得到最大相对误差为2.60%、最小相对误差为0.32%、平均相对误差为0.78%。由深度学习网络所绘制的能头曲线与实际的能头曲线有着良好的一致性。深度学习网络模型改进了传统神经网络的缺陷,具有良好的预测精度与泛化计算能力,为压缩机性能的评估与预测提供了新方法。(图5,表2,参28)

【文章页数】：8 页

【文章目录】：
1 深度学习网络算法原理
2 实际特性数据
    2.1 原始数据的选取
    2.2 现场数据与原厂数据的对比
3 预测模型
    3.1 验证点的选取
    3.2 模型输出与输入形式
    3.3 神经网络结构的选取
    3.4 训练结果
    3.5 压缩机特性曲线
4 结论



本文编号：3814864