基于改进PSO优化神经网络的水泵全特性预测研究-市政工程专业论文.docxVIP

万方数据 万方数据 摘 要 水泵广泛使用在国民经济的各个部门，而随着国民经济的发展，对水泵及其输运系 统的运行安全性要求越来越高。然而对于水泵的研究还远远不能满足实际需要，尤其是 水泵全特性参数的研究。水泵全特性参数能够表示水泵—水轮机的各种工况，对于水泵 及其输运系统的水力过渡过程的计算和分析至关重要，而水力过渡过程的计算直接影响 水泵输运系统的设计与建成后的运行安全。虽然在水泵全特性数据的获取与预测方面， 中外的学者们做了大量工作，但是截止目前实测数据稀少，预测工作的精度仍有待提高， 因此寻找更好的模型对水泵全特性参数进行预测具有重要的实际意义。 本文的主要研究内容和成果有： 1、 详细介绍了水泵的相关理论，分析了水泵全特性曲线的应用，并对水泵全特性 数据的获取及预测方法进行了总结。 2、 对神经网络的神经元模型、学习算法、分类及常用模型进行了介绍，分析对比 了几种神经网络的特点。对粒子群算法原理及其发展进行了介绍。构建了采用自适应惯 性权重的粒子群算法来优化 RBF 神经网络的预测模型。 3、 在 MATLAB R2012b 平台上，利用 MATLAB 提供的神经网络工具箱和 GUI 工 具箱，基于提出的预测模型，开发出水泵全特性曲线参数预测软件。依据现有数据对未 知水泵的全特性参数进行预测，采用合理方法对预测结果进行评价分析，并与其它方法 进行对比，体现出本文方法的优势。