基于人工神经网络的离心泵叶轮边界涡量流预测

作     者：赵斌娟 刘琦 付燕霞 赵尤飞 廖文言 谢昀彤 ZHAO Binjuan;LIU Qi;FU Yanxia;ZHAO Youfei;LIAO Wenyan;XIE Yuntong

作者机构：江苏大学能源与动力工程学院 

出 版 物：《排灌机械工程学报》 (Journal of Drainage and Irrigation Machinery Engineering)

年 卷 期：2020年第38卷第2期

页      面：127-132页

核心收录：

学科分类：082802[工学-农业水土工程] 080704[工学-流体机械及工程] 08[工学] 0828[工学-农业工程] 0807[工学-动力工程及工程热物理] 09[农学] 0815[工学-水利工程] 0903[农学-农业资源与环境] 

基　　金：国家自然科学基金资助项目(51609107) 西华大学省部级学科平台开放课题项目(szjj2018-123) 江苏省高校优势学科建设工程资助项目 

主　　题：离心泵叶轮 边界涡量流 径向基神经网络 BP神经网络 径向基函数宽度 

摘      要：根据边界涡量动力学理论,从边界涡量流在离心泵叶轮内表面的分布情况,可获知叶轮的受力状况,进而改进叶轮设计.以BP神经网络和径向基神经网络为建模手段,以叶轮内表面的边界涡量流为预测目标,通过高精度的CFD计算获得70个离心泵叶轮内表面的BVF分布,建立可用于训练人工神经网络的初始样本集;再利用63个初始样本建立离心泵叶轮几何参数和边界涡量流的非线性映射关系,并用剩余的7个校对样本进行测试.根据神经网络预测结果和数值模拟计算结果的误差分析,确定最适用于离心泵叶轮边界涡量流预测的神经网络类型.研究表明:径向基(RBF)神经网络的预测精度高于BP神经网络,其训练时间更短、运行稳定性更高;径向基函数的宽度对RBF神经网络的预测性能有较大影响,当径向基函数宽度取0.3时,RBF神经网络的预测性能最佳,预测误差仅0.0203;RBF神经网络预测所得叶轮内表面的边界涡量流分布,可以作为评价叶轮水力设计优劣的重要指标,进而指导叶轮机械的优化设计.