预测高速旋转机械转子随机响应人工神经网络方法.docVIP

预测高速旋转机械转子随机响应人工神经网络方法 　　提 要：本文提出了一种新的预测旋转机械随机响应方法――人工神经网络方法。研究了这种神经网络结构的学习算法。为了保证快速学习收敛，应用Lyapunov函数得到一种自适应学习率方法。用这种方法对某直立转子的地震响应进行在线预测，计算机仿真结果表明，这种网络学习算法是有效的，并且是可行的。 　　关键词：自递归神经网络；学习率；转子响应 　　 　　Predicting Random Response of High-speed Rotating Machine 　　by Artificial Neural Network 　　WANG Feng，XIONG Hua-lin 　　（NanChang转子随机响应的人工 Institute of Technology, Nanchang Jiangxi 330000,China） 　　Abstract:A new neural paradigm called Self-Recurrent Neural Network(SRNN) is presented here. The architecture of SRNN is a modified model of the fully connected recurrent neural network with one hidden layer, and the hidden layer is comprised of self-recurrent neurons. A generalized dynamic back-propagation algorithm(DBP) is developed. To guarantee convergence and for faster learning, an approach using adaptive learning rates is developed by introducing a Lyapunov function. Convergence theorem for the adaptive back-propagation algorithm is developed to on-line predict seismic response of a vertical rotor that is excited by external force. Results form computer-simulation studies demonstrate that the new DBP is valid and feasible in on-line predicting random response of high-speed rotating machines. 　　Key words：Self recurrent neural network；learning rate；response of rotor. 　　 　　近代高速旋转机械的一个重要特征是高转速，它们常常由于采用柔性支撑和柔性支座，从而使得其转子系统在超临界状态下能够安全可靠地运行，对于这些高速旋转机械的转子系统的动力稳定性，通常研究较多，而对来自外界的随机激励响应控制，往往采用振动隔离方法，由于激励的随机性，控制效果很难令人满意。近年来，不少科技工作者着手研究采用主动控制方法控制转子的随机响应［1-2］。主动控制方法是根据转子的状态反应，按照事先设计好的最优控制律确定控制力的大小通过电磁轴承作用到转子上［3］，控制转子的受激响应。理论计算结果表明，主动控制方法能有效控制转子的随机激励响应；然而，实际工程中，由于控制系统本身信号传递的时间延迟无法避免，同时，转子结构本身的不确定因素（如一定程度的非线性）也影响最优控制方法的实际应用。要解决这些问题，必须在线实时预测转子响应。 　　人工神经网络理论中，采用BP网络算法去预测结构响应,可以认为这是一种比较成熟的网络，但在实际应用中，BP网络尚存在学习速度慢且易陷入局部极小的缺点，因此本文通过改造全递归网络，结合BP网络算法，提出一种局部递归网络――自递归网络(Self-Recurrent Neural Network)。这种网络仅在隐层单元存在自递归，减少了隐节点之间的连接权，使训练权值的迭代计算量少，缩短学习时间；同时，保留了全递归网络的动态特性的优点。 　　1 转子随机响应预测模型 　　在众多的应用领域中已经证明，人工神经网络特别适合处理复杂的、不确定的和非线性的问题。将一个神经网络与转子系统并联加以训练，就可得到被控对象的仿真器。仿真器的输入选择转子的过去状态，输出为新的状态。用这种构造可