為克服傳統(tǒng)方法對(duì)壓氣機(jī)特性線內(nèi)插與外推預(yù)測(cè)性能模擬精度不高的問題及準(zhǔn)確實(shí)現(xiàn)壓氣機(jī)在變工況條件下基于部件特性線行為的燃?xì)廨啓C(jī)熱力學(xué)仿真計(jì)算,一種基于蜜蜂采蜜行為的人工蜂群（artificial bee colony, ABC）優(yōu)化支持向量機(jī)（support vector machine, SVM）參數(shù)的方法被提出并用于壓氣機(jī)特性線的表達(dá)。從泛化精度及計(jì)算耗時(shí)的角度,與常用的BP算法、粒子群算法和網(wǎng)格尋優(yōu)法的SVM模型相比較。同時(shí),為驗(yàn)證訓(xùn)練樣本容量對(duì)實(shí)驗(yàn)結(jié)果的影響,減少樣本集數(shù)量,對(duì)比同一轉(zhuǎn)速下不同算法的預(yù)測(cè)性能曲線及柱狀殘差圖。應(yīng)用分析表明,不同轉(zhuǎn)速下基于ABC算法優(yōu)化的SVM模型在壓氣機(jī)特性線的表達(dá)上具有更佳的預(yù)測(cè)精度和計(jì)算實(shí)時(shí)性,并且該方法不隨樣本容量波動(dòng)而精度失準(zhǔn),具有良好的魯棒性。 

【文章來源】：燃?xì)廨啓C(jī)技術(shù). 2020,33(04)

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖2 支持向量回歸機(jī)模型

ABC-SVM算法用于壓氣機(jī)特性線表達(dá)的流程圖

為了驗(yàn)證ABC優(yōu)化SVM參數(shù)算法對(duì)壓氣機(jī)流量特性預(yù)測(cè)的準(zhǔn)確性,從泛化精度及計(jì)算耗時(shí)的角度,與常用的人工神經(jīng)網(wǎng)絡(luò)BP算法以及采用PSO優(yōu)化的和基于交叉驗(yàn)證網(wǎng)格尋優(yōu)法(CV-GS)優(yōu)化的SVM模型進(jìn)行對(duì)比。此外,為探究訓(xùn)練樣本容量對(duì)于仿真預(yù)測(cè)結(jié)果的影響,設(shè)置兩種對(duì)比模型:模型一代表壓氣機(jī)流量特性取樣數(shù)據(jù)點(diǎn)數(shù)為140個(gè),用尾數(shù)1表示;模型二代表取樣數(shù)據(jù)點(diǎn)數(shù)為77個(gè),用尾數(shù)2表示。對(duì)比同一轉(zhuǎn)速下不同算法的預(yù)測(cè)性能曲線得到圖4～圖6所示。圖5 中轉(zhuǎn)速區(qū)域流量?jī)?nèi)插特性的比較

【參考文獻(xiàn)】：
期刊論文
[1]燃?xì)廨啓C(jī)性能下降原因分析及其解決方案[J]. 張明升.  石化技術(shù). 2019(04)
[2]基于MEA-BP神經(jīng)網(wǎng)絡(luò)的壓氣機(jī)特性曲線預(yù)測(cè)[J]. 黃偉,�？�,孫智濱.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2019(02)
[3]基于熱力模型的燃?xì)廨啓C(jī)氣路故障預(yù)測(cè)診斷研究綜述[J]. 應(yīng)雨龍,李靖超,龐景隆,余特,劉揚(yáng).  中國(guó)電機(jī)工程學(xué)報(bào). 2019(03)
[4]基于數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)的壓氣機(jī)性能預(yù)測(cè)研究[J]. 周奎,劉尚明.  熱力透平. 2017(03)
[5]聯(lián)合循環(huán)熱電聯(lián)產(chǎn)機(jī)組變工況性能分析[J]. 楊承,黃志峰,馬曉茜.  中國(guó)電機(jī)工程學(xué)報(bào). 2017(12)
[6]軸流壓氣機(jī)吞水后的性能變化研究[J]. 楊璐,鄭群,張海,樊雙明,柴柏青,楊昊.  推進(jìn)技術(shù). 2017(07)
[7]人工蜂群算法研究綜述[J]. 秦全德,程適,李麗,史玉回.  智能系統(tǒng)學(xué)報(bào). 2014(02)
[8]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)



本文編號(hào)：3398953