CN104598686A - 基于电磁计算及神经网络的水泵电机建模与优化方法 - Google Patents
基于电磁计算及神经网络的水泵电机建模与优化方法 Download PDFInfo
- Publication number
- CN104598686A CN104598686A CN201510035609.7A CN201510035609A CN104598686A CN 104598686 A CN104598686 A CN 104598686A CN 201510035609 A CN201510035609 A CN 201510035609A CN 104598686 A CN104598686 A CN 104598686A
- Authority
- CN
- China
- Prior art keywords
- motor
- pump
- neural network
- water pump
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 74
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004364 calculation method Methods 0.000 title claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 62
- 238000013461 design Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 238000002922 simulated annealing Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 21
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 11
- 210000002569 neuron Anatomy 0.000 claims description 9
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000001537 neural effect Effects 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 239000004020 conductor Substances 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 239000003973 paint Substances 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims description 3
- 238000009394 selective breeding Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/82—Elements for improving aerodynamics
Landscapes
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明公开了一种基于电磁计算及神经网络的水泵电机建模与优化方法,根据排水泵用三相异步电机的原始结构参数,通过电机等效磁路的电磁计算方法,计算出电机输出性能参数,包括输出转矩、效率及电机定子起动电流等。对于泵性能采用BP神经网络方法,建立水力模型对难以精确计算的流场流态模型进行快速拟合。结合电机机理模型及水力拟合模型形成“及泵一体模型”。采用模拟退火遗传算法为优化手段,对电机部分结构参数进行优化设计。该方法主要功能为,满足水泵输入轴功率的前提下,智能搜索最优的电机结构设计参数,精确匹配电机性能与水泵负载特性,降低配套电机功率的裕量系数,以减小配套电机功率。
Description
技术领域
本发明涉及水泵电机神经网络建模方法领域,具体是一种基于电磁计算及神经网络的水泵电机建模与优化方法。
背景技术
矿井地下开采过程中产生大量的生产废水,并伴随有大量的渗涌地下水,为了保证矿井内安全生产,必须用大型排水泵将这些水及时可靠的排至井外。矿井长时间安全生产要求这些排水泵必须伴随整个矿井的生产过程持续运行,由此,矿山排水泵***是矿山安全生产保障的关键性设备之一,同时也是矿山主要用电设备之一,其用电量最多能占到矿山总用电量的40%。排水泵的高效节能运转对矿山的节能降耗、控制成本具有重要意义。
排水泵***为配用电机驱动水泵叶轮旋转产生离心力将液体沿管路排出的结构。水泵配套电机的功率选择通常是按水泵设计工况点的轴功率乘以适当的备用系数来确定。如果机泵配置不合理,产生大马拉小车的现象,电机能量将得不到有效的利用。同时,水泵配用电机自身的效率不高,也会产生大量能量无谓损失。因此排水泵***的节能方向主要有排水泵配用电机的性能优化,排水泵与配用电机的功率匹配两个方面。
目前在排水泵***节能方面的工作存在以下问题:
(1)对水泵水力性能采用机理模型进行计算分析,则由于水泵的水力机理模型为一个三维非线性多变量动态模型,必须采用CFD流场流态计算方法才能进行模拟计算分析。而水泵的流场流态模型无法与电机电磁模型有效结合,不利于***整体性能分析;
(2)电机的优化工作以电机自身的性能指标为目标,没有同时考察如何减小配用电机的功率,提高电机性能与水泵负载特性耦合匹配程度。
发明内容 本发明的目的是提供一种基于电磁计算及神经网络的水泵电机建模与优化方法,以解决现有技术存在的问题。
为了达到上述目的,本发明所采用的技术方案为:
基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:包括以下步骤:
(1)、根据水泵用潜水三相异步电动机的机理模型,编写电机正向电磁计算程序;
(2)、采用BP神经网络方法,对水泵水力模型进行数据拟合建模;
(3)、将电机电磁计算的输出结果作为水泵水力模型的输入数据,结合两部分程序形成机泵一体化模型;
(4)、对水泵测试数据进行反向拟合,根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标及电机性能目标,实现对所配用电机进行优化设计功能,形成水泵电机逆向优化***;
(5)、采用模拟退火遗传算法,根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标及电机性能目标,配合电机正向电磁计算程序,对配用电机进行计算机自动优化设计。
所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(1)中,电机正向电磁计算程序:
对水泵配用的潜水电机,采用机理建模方法,将计算过程程序化形成可独立运行的电机电磁计算程序;
程序的输入数据包括:输出功率kW、电源频率Hz、线电压V、定子接法、极数、节距、定转子槽数、定子外内直径mm、气隙mm、转子内径mm、定子槽型尺寸mm、转子槽型尺寸mm)、每圈匝数、并联支路数、并绕根数、槽绝缘厚度mm、线径,双边漆膜mm、铁芯长mm、叠压系数、线圈直线部分伸出长mm、端环平均直径mm、面积mm^2、杂散损耗kW、铁耗系数、漏抗系数等。
经计算输出数据包括:效率、功率因数、额定转矩、最大转矩、启动转矩、启动电流、槽满率;
在传统三相异步电动机等效磁路法电磁计算的基础上,根据潜水电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点,在电机的机械损耗和定转子槽上部漏磁导的计算方法上,采用了与普通异步电机不同的计算方法;
水泵电机机械损耗分为三部分计算:转子与冷却水的摩擦损耗、推力轴承的摩擦损耗以及导轴承的摩擦损耗;
对于水泵电机定转子闭口槽的槽上部漏磁导,采用等效槽口宽的方法进行计算。
所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(2)中,BP神经网络:
建立两种结构近似,功能不同的BP神经网络1与BP神经网络2,分别用于结合电机正向电磁计算程序,形成机泵一体化模型,及结合电机电磁计算与优化算法,形成水泵电机逆向优化设计***;
用于结合电机正向电磁计算程序,形成机泵一体化模型的水泵水力BP神经网络模型1,采用双输入双输出,三层结构,隐层8神经元,梯度下降法修正误差,训练终止条件为训练误差小于2%”的结构特征,以水泵输入轴功率、泵效率为模型输入,输出水泵的扬程和流量数据;
用于结合电机正向电磁计算程序及模拟退火遗传算法,形成水泵电机逆向优化***的水泵水力BP神经网络模型2,采用三输入单输出,三层结构,隐层8神经元,采用梯度下降法修正误差,训练终止条件为训练误差小于2%”的结构特征,以水泵设计流量、扬程、目标泵效率为输入,计算输出预测水泵需求轴功率。
所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(3)中,机泵一体化模型:
输入电机结构参数进行电机正向电磁计算后,将计算的结果传输给经过实测样本训练并已收敛的BP神经网络1,最终输出在当前电机功率状态下水泵的输出流量、扬程;
电机正向电磁程序所使用的输入结构参数,及水泵水力BP神经网络模型1用来进行神经元训练的数据,均以txt文档的形式存放在文件夹中,程序自动读取;
机泵一体化模型可以独立于步骤(4)中所述水泵电机逆向优化***,单独运行进行计算。
所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(4)中,水泵电机逆向优化***:
结合电机正向电磁计算程序、BP神经网络2及模拟退火遗传算法,形成水泵电机逆向优化***;
BP神经网络2根据实测样本进行训练并收敛后,当输入一组流量、扬程及目标泵效率数据时,将拟合给出水泵在此状态下需要输入的轴功率,配合人为给定的裕量系数,即可得出水泵在此状态下,其配用的电机应具有的最优输出功率;以此功率作为电机的功率优化设计目标,配合效率、转矩其他指标,进行水泵电机多目标优化设计;优化目标设定为电机的效率、功率因数、最大转矩、启动转矩、启动电流及机泵之间的备用系数;电机优化变量选取:铁芯长、每槽导体数、定转子槽部分内尺寸参数及额定输出功率;
水泵电机多目标优化设计一般很难找到满足所有目标要求的最优解,则将优化终止时所获得的满足部分优化目标的非劣解以txt形式输出作为优化结果,供人工选择;
水泵电机逆向优化***可以独立于步骤(3)所述机泵一体化模型,单独运行进行计算。
本发明涉及三相异步潜水电机优化设计与大型排水泵水利性能基于神经网络建模技术领域,通过对水泵配用电机正向电磁计算以及对水泵水力性能进行神经网络拟合建模,建立机泵一体化模型。同时结合优化算法,形成水泵电机逆向优化设计***。
本发明与与现有技术相比,其有益效果为:本发明采用神经网络拟合方法对水泵进行建模,所建立模型适于结合电机模型,对***整体性能进行分析计算。同结合优化算法,按照机泵功率高度匹配的原则,对电机结构设计参数进行智能逆向优化。
附图说明
图1为本发明之机泵一体化计算及水泵电机逆向优化功能实现的逻辑关系图。
图2为机泵一体化模型中所采用泵水力性能拟合的BP神经网络结构。
图3为水泵电机逆向优化设计***中所采用对水泵测试数据进行反向拟合的BP神经网络结构。
图4为机泵一体化模型计算机泵***整体性能的流程。
图5为水泵电机逆向优化设计***对所配用电机进行优化计算的流程。
具体实施方式
基于电磁计算及神经网络的水泵电机建模与优化方法,包括以下步骤:
(1)、根据水泵用潜水三相异步电动机的机理模型,编写电机正向电磁计算程序;
(2)、采用BP神经网络方法,对水泵水力模型进行数据拟合建模;
(3)、将电机电磁计算的输出结果作为水泵水力模型的输入数据,结合两部分程序形成机泵一体化模型;
(4)、对水泵测试数据进行反向拟合,根据水泵功率需求、安全裕量系数,实现对所配用电机进行优化设计功能,形成水泵电机逆向优化***,如图5所示;
(5)、采用模拟退火遗传算法,根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标及电机性能目标,配合电机正向电磁计算程序,对配用电机进行计算机自动优化设计。
步骤(1)中,电机正向电磁计算程序:
对水泵配用的潜水电机,采用机理建模方法,将计算过程程序化形成可独立运行的电机电磁计算程序;
程序的输入数据包括:输出功率kW、电源频率Hz、线电压V、定子接法、极数、节距、定转子槽数、定子外内直径mm、气隙mm、转子内径mm、定子槽型尺寸mm、转子槽型尺寸mm)、每圈匝数、并联支路数、并绕根数、槽绝缘厚度mm、线径,双边漆膜mm、铁芯长mm、叠压系数、线圈直线部分伸出长mm、端环平均直径mm、面积mm^2、杂散损耗kW、铁耗系数、漏抗系数等。
经计算输出数据包括:效率、功率因数、额定转矩、最大转矩、启动转矩、启动电流、槽满率;
在传统三相异步电动机等效磁路法电磁计算的基础上,根据潜水电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点,在电机的机械损耗和定转子槽上部漏磁导的计算方法上,采用了与普通异步电机不同的计算方法;
水泵电机机械损耗分为三部分计算:转子与冷却水的摩擦损耗、推力轴承的摩擦损耗以及导轴承的摩擦损耗;
对于水泵电机定转子闭口槽的槽上部漏磁导,采用等效槽口宽的方法进行计算。
步骤(2)中,BP神经网络:
建立两种结构近似,功能不同的BP神经网络1与BP神经网络2,分别用于结合电机正向电磁计算程序,形成机泵一体化模型,及结合电机电磁计算与优化算法,形成水泵电机逆向优化设计***;
用于结合电机正向电磁计算程序,形成机泵一体化模型的水泵水力BP神经网络模型1,采用双输入双输出,三层结构,隐层8神经元,梯度下降法修正误差,训练终止条件为训练误差小于2%”的结构特征,如图2所示,以水泵输入轴功率、泵效率为模型输入,输出水泵的扬程和流量数据;
用于结合电机正向电磁计算程序及模拟退火遗传算法,形成水泵电机逆向优化***的水泵水力BP神经网络模型2,采用三输入单输出,三层结构,隐层8神经元,采用梯度下降法修正误差,训练终止条件为训练误差小于2%”的结构特征,如图3所示,以水泵设计流量、扬程、目标泵效率为输入,计算输出预测水泵需求轴功率。
步骤(3)中,机泵一体化模型:
输入电机结构参数进行电机正向电磁计算后,将计算的结果传输给经过实测样本训练并已收敛的BP神经网络1,最终输出在当前电机功率状态下水泵的输出流量、扬程,如图4所示;
电机正向电磁程序所使用的输入结构参数,及水泵水力BP神经网络模型1用来进行神经元训练的数据,均以txt文档的形式存放在文件夹中,程序自动读取;
机泵一体化模型可以独立于步骤(4)中水泵电机逆向优化***,单独运行进行计算。
步骤(4)中,图5所示水泵电机逆向优化***:
结合电机正向电磁计算程序、BP神经网络2及模拟退火遗传算法,形成水泵电机逆向优化***;
BP神经网络2根据实测样本进行训练并收敛后,当输入一组流量、扬程及目标泵效率数据时,将拟合给出水泵在此状态下需要输入的轴功率,配合人为给定的裕量系数,即可得出水泵在此状态下,其配用的电机应具有的最优输出功率;以此功率作为电机的功率优化设计目标,配合效率、转矩其他指标,进行水泵电机多目标优化设计;优化目标设定为电机的效率、功率因数、最大转矩、启动转矩、启动电流及机泵之间的备用系数;电机优化变量选取:铁芯长、每槽导体数、定转子槽部分内尺寸参数及额定输出功率;
水泵电机多目标优化设计一般很难找到满足所有目标要求的最优解,则将优化终止时所获得的满足部分优化目标的非劣解以txt形式输出作为优化结果,供人工选择;
水泵电机逆向优化***可以独立于步骤(3)机泵一体化模型,单独运行进行计算。
基于电磁计算及神经网络的水泵电机建模与优化***,能够通过对水泵配用电机正向电磁计算并对水泵水力性能进行神经网络拟合,建立机泵一体化模型。同时结合优化算法,按照机泵功率高度匹配的原则,对水泵配用电机进行智能逆向优化。
其中,具体的机泵一体化建模过程如下:
步骤1:输入对象机泵***所配用的三相异步电机原始结构参数,通过电机正向电磁计算程序,计算电机输出转矩、功率等输出参数,及电流、效率等状态参数。
步骤2:依据对象机泵***的水力性能试验测试数据,对水泵BP神经网络模型1进行训练,直至神经网络具有与水泵实测数据一致的输入输出特性。
步骤3:将电机正向电磁计算的结果传输给水泵BP神经网络模型1,计算输出在当前电机功率状态下,机泵***的最终输出流量、扬程性能。同时输出电机状态参数及水泵部分状态参数。
上述水泵配用电机进行智能逆向优化过程如下:
步骤1:依据对象机泵***的水力性能试验测试数据,对BP神经网络2进行反向训练直至收敛。
步骤2:将水泵设计流量、扬程及目标泵效率输入BP神经网络2,计算给出水泵在此流量、扬程要求情况下,需要从电机输入的轴功率。
步骤3:设定电机优化设计的各性能目标值以及机泵备用系数下降目标值。
步骤4:将电机结构参数分为不参与优化参数和参与优化参数两组。运行优化算法调整参与优化参数,配合不参与优化参数形成多个新的电机设计方案。
步骤5:将所有电机新设计方案输至电机正向电磁计算程序,计算各方案输出性能。
步骤6:检验所有新电机设计方案中是否有满足所有优化目标的方案。是,输出此方案参数。否,按照模拟退火遗传算法规则重新生成一组电机设计方案。重复步骤5,直至满足优化终止条件。
Claims (5)
1.基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:包括以下步骤:
(1)、根据水泵用潜水三相异步电动机的机理模型,编写电机正向电磁计算程序;
(2)、采用BP神经网络方法,对水泵水力模型进行数据拟合建模;
(3)、将电机电磁计算的输出结果作为水泵水力模型的输入数据,结合两部分程序形成机泵一体化模型;
(4)、对水泵测试数据进行反向拟合,根据水泵功率需求、安全裕量系数,实现对所配用电机进行优化设计功能,形成水泵电机逆向优化***;
(5)、采用模拟退火遗传算法,根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标及电机性能目标,配合电机正向电磁计算程序,对配用电机进行计算机自动优化设计。
2.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(1)中,电机正向电磁计算程序:
对水泵配用的潜水电机,采用机理建模方法,将计算过程程序化形成可独立运行的电机电磁计算程序;
程序的输入数据包括:输出功率kW、电源频率Hz、线电压V、定子接法、极数、节距、定转子槽数、定子外内直径mm、气隙mm、转子内径mm、定子槽型尺寸mm、转子槽型尺寸mm)、每圈匝数、并联支路数、并绕根数、槽绝缘厚度mm、线径,双边漆膜mm、铁芯长mm、叠压系数、线圈直线部分伸出长mm、端环平均直径mm、面积mm^2、杂散损耗kW、铁耗系数、漏抗系数等;
经计算输出数据包括:效率、功率因数、额定转矩、最大转矩、启动转矩、启动电流、槽满率;
在传统三相异步电动机等效磁路法电磁计算的基础上,根据潜水电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点,在电机的机械损耗和定转子槽上部漏磁导的计算方法上,采用了与普通异步电机不同的计算方法;
水泵电机机械损耗分为三部分计算:转子与冷却水的摩擦损耗、推力轴承的摩擦损耗以及导轴承的摩擦损耗;
对于水泵电机定转子闭口槽的槽上部漏磁导,采用等效槽口宽的方法进行计算。
3.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(2)中,BP神经网络:
建立两种结构近似,功能不同的BP神经网络1与BP神经网络2,分别用于结合电机正向电磁计算程序,形成机泵一体化模型,及结合电机电磁计算与优化算法,形成水泵电机逆向优化设计***;
用于结合电机正向电磁计算程序,形成机泵一体化模型的水泵水力BP神经网络模型1,采用双输入双输出,三层结构,隐层8神经元,梯度下降法修正误差,训练终止条件为训练误差小于2%”的结构特征,以水泵输入轴功率、泵效率为模型输入,输出水泵的扬程和流量数据;
用于结合电机正向电磁计算程序及模拟退火遗传算法,形成水泵电机逆向优化***的水泵水力BP神经网络模型2,采用三输入单输出,三层结构,隐层8神经元,采用梯度下降法修正误差,训练终止条件为训练误差小于2%”的结构特征,以水泵设计流量、扬程、目标泵效率为输入,计算输出预测水泵需求轴功率。
4.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(3)中,机泵一体化模型:
输入电机结构参数进行电机正向电磁计算后,将计算的结果传输给经过实测样本训练并已收敛的BP神经网络1,最终输出在当前电机功率状态下水泵的输出流量、扬程;
电机正向电磁程序所使用的输入结构参数,及水泵水力BP神经网络模型1用来进行神经元训练的数据,均以txt文档的形式存放在文件夹中,程序自动读取;
机泵一体化模型可以独立于步骤(4)中所述水泵电机逆向优化***,单独运行进行计算。
5.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法,其特征在于:所述步骤(4)中,水泵电机逆向优化***:
结合电机正向电磁计算程序、BP神经网络2及模拟退火遗传算法,形成水泵电机逆向优化***;
BP神经网络2根据实测样本进行训练并收敛后,当输入一组流量、扬程及目标泵效率数据时,将拟合给出水泵在此状态下需要输入的轴功率,配合人为给定的裕量系数,即可得出水泵在此状态下,其配用的电机应具有的最优输出功率;以此功率作为电机的功率优化设计目标,配合效率、转矩其他指标,进行水泵电机多目标优化设计;优化目标设定为电机的效率、功率因数、最大转矩、启动转矩、启动电流及机泵之间的备用系数;电机优化变量选取:铁芯长、每槽导体数、定转子槽部分内尺寸参数及额定输出功率;
水泵电机多目标优化设计一般很难找到满足所有目标要求的最优解,则将优化终止时所获得的满足部分优化目标的非劣解以txt形式输出作为优化结果,供人工选择;
水泵电机逆向优化***可以独立于步骤(3)所述机泵一体化模型,单独运行进行计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510035609.7A CN104598686A (zh) | 2015-01-24 | 2015-01-24 | 基于电磁计算及神经网络的水泵电机建模与优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510035609.7A CN104598686A (zh) | 2015-01-24 | 2015-01-24 | 基于电磁计算及神经网络的水泵电机建模与优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104598686A true CN104598686A (zh) | 2015-05-06 |
Family
ID=53124466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510035609.7A Pending CN104598686A (zh) | 2015-01-24 | 2015-01-24 | 基于电磁计算及神经网络的水泵电机建模与优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104598686A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933240A (zh) * | 2015-06-10 | 2015-09-23 | 中国人民解放军装甲兵工程学院 | 一种装甲车辆冷却***布局优化设计方法 |
CN106021695A (zh) * | 2016-05-16 | 2016-10-12 | 江苏大学 | 基于设计变量分层的电机多目标优化设计方法 |
CN106292337A (zh) * | 2016-10-17 | 2017-01-04 | 安徽大学 | 基于正弦加速度函数的永磁球形电机点到点运动轨迹规划方法及其应用 |
CN106681146A (zh) * | 2016-12-31 | 2017-05-17 | 浙江大学 | 基于bp神经网络和遗传算法的高炉多目标优化控制算法 |
CN107330174A (zh) * | 2017-06-21 | 2017-11-07 | 太原科技大学 | 一种基于遗传退火算法的轮毂电机优化方法 |
CN109727238A (zh) * | 2018-12-27 | 2019-05-07 | 贵阳朗玛信息技术股份有限公司 | X光胸片的识别方法及装置 |
CN109829248A (zh) * | 2019-03-04 | 2019-05-31 | 苏州尼昂科技有限公司 | 水泵的性能参数的确定方法、装置和电子设备 |
CN110598317A (zh) * | 2019-09-10 | 2019-12-20 | 大连理工大学 | 多物理场耦合构建屏蔽式核主泵数字样机方法 |
CN112687351A (zh) * | 2021-01-07 | 2021-04-20 | 哈尔滨工业大学 | 一种基于遗传算法-bp神经网络快速预测复合介质微波电磁性能的方法 |
CN114545908A (zh) * | 2022-04-28 | 2022-05-27 | 中汽研汽车检验中心(天津)有限公司 | 车用液压***模型构建和仿真方法,及整车仿真*** |
CN114958395A (zh) * | 2022-06-02 | 2022-08-30 | 江苏运能能源科技有限公司 | 一种生物质炭化炉余热利用方法及其利用*** |
CN115573926A (zh) * | 2022-11-21 | 2023-01-06 | 南京群顶科技股份有限公司 | 结合bp神经网络拟合特性曲线的机房水泵节能运行方法 |
CN116094206A (zh) * | 2023-03-08 | 2023-05-09 | 四川宜宾力源电机有限公司 | 一种使用转子的电机及转子与定子的间隙趋势计算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567617A (zh) * | 2009-03-06 | 2009-10-28 | 北京理工大学 | 一种圆筒型直线电机结构参数优化设计方法 |
CN101957871A (zh) * | 2010-06-28 | 2011-01-26 | 江苏方天电力技术有限公司 | 基于前传神经网络的同步发电机进相能力建模方法 |
CN102063537A (zh) * | 2010-12-28 | 2011-05-18 | 浙江工业大学 | 基于多目标混合模拟退火算法的单相异步电机设计方法 |
CN104283393A (zh) * | 2014-09-25 | 2015-01-14 | 南京工程学院 | 一种单绕组磁悬浮开关磁阻电机结构参数的优化方法 |
-
2015
- 2015-01-24 CN CN201510035609.7A patent/CN104598686A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567617A (zh) * | 2009-03-06 | 2009-10-28 | 北京理工大学 | 一种圆筒型直线电机结构参数优化设计方法 |
CN101957871A (zh) * | 2010-06-28 | 2011-01-26 | 江苏方天电力技术有限公司 | 基于前传神经网络的同步发电机进相能力建模方法 |
CN102063537A (zh) * | 2010-12-28 | 2011-05-18 | 浙江工业大学 | 基于多目标混合模拟退火算法的单相异步电机设计方法 |
CN104283393A (zh) * | 2014-09-25 | 2015-01-14 | 南京工程学院 | 一种单绕组磁悬浮开关磁阻电机结构参数的优化方法 |
Non-Patent Citations (4)
Title |
---|
任明旭等: ""基于BP神经网络和遗传算法的电动汽车电机优化设计"", 《第十一届沈阳科学学术年会暨中国汽车产业集聚区发展与合作论坛》 * |
冯欣南: "《微特电机》", 30 September 1991, 华中理工大学出版社 * |
姜锟: ""基于C++/C#的电机优化***设计"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
黄家友等: ""浅谈潜水电动机的型式及设计特点"", 《大电机技术》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933240A (zh) * | 2015-06-10 | 2015-09-23 | 中国人民解放军装甲兵工程学院 | 一种装甲车辆冷却***布局优化设计方法 |
CN104933240B (zh) * | 2015-06-10 | 2018-02-06 | 中国人民解放军装甲兵工程学院 | 一种装甲车辆冷却***布局优化设计方法 |
CN106021695B (zh) * | 2016-05-16 | 2019-04-30 | 江苏大学 | 基于设计变量分层的电机多目标优化设计方法 |
CN106021695A (zh) * | 2016-05-16 | 2016-10-12 | 江苏大学 | 基于设计变量分层的电机多目标优化设计方法 |
CN106292337A (zh) * | 2016-10-17 | 2017-01-04 | 安徽大学 | 基于正弦加速度函数的永磁球形电机点到点运动轨迹规划方法及其应用 |
CN106681146A (zh) * | 2016-12-31 | 2017-05-17 | 浙江大学 | 基于bp神经网络和遗传算法的高炉多目标优化控制算法 |
CN107330174B (zh) * | 2017-06-21 | 2020-11-17 | 太原科技大学 | 一种基于遗传退火算法的轮毂电机优化方法 |
CN107330174A (zh) * | 2017-06-21 | 2017-11-07 | 太原科技大学 | 一种基于遗传退火算法的轮毂电机优化方法 |
CN109727238A (zh) * | 2018-12-27 | 2019-05-07 | 贵阳朗玛信息技术股份有限公司 | X光胸片的识别方法及装置 |
CN109829248A (zh) * | 2019-03-04 | 2019-05-31 | 苏州尼昂科技有限公司 | 水泵的性能参数的确定方法、装置和电子设备 |
CN110598317A (zh) * | 2019-09-10 | 2019-12-20 | 大连理工大学 | 多物理场耦合构建屏蔽式核主泵数字样机方法 |
CN110598317B (zh) * | 2019-09-10 | 2021-11-02 | 大连理工大学 | 多物理场耦合构建屏蔽式核主泵数字样机方法 |
CN112687351B (zh) * | 2021-01-07 | 2023-04-18 | 哈尔滨工业大学 | 一种基于遗传算法-bp神经网络快速预测复合介质微波电磁性能的方法 |
CN112687351A (zh) * | 2021-01-07 | 2021-04-20 | 哈尔滨工业大学 | 一种基于遗传算法-bp神经网络快速预测复合介质微波电磁性能的方法 |
CN114545908A (zh) * | 2022-04-28 | 2022-05-27 | 中汽研汽车检验中心(天津)有限公司 | 车用液压***模型构建和仿真方法,及整车仿真*** |
CN114545908B (zh) * | 2022-04-28 | 2022-07-19 | 中汽研汽车检验中心(天津)有限公司 | 车用液压***模型构建和仿真方法,及整车仿真*** |
CN114958395A (zh) * | 2022-06-02 | 2022-08-30 | 江苏运能能源科技有限公司 | 一种生物质炭化炉余热利用方法及其利用*** |
CN114958395B (zh) * | 2022-06-02 | 2023-04-18 | 江苏运能能源科技有限公司 | 一种生物质炭化炉余热利用方法及其利用*** |
CN115573926A (zh) * | 2022-11-21 | 2023-01-06 | 南京群顶科技股份有限公司 | 结合bp神经网络拟合特性曲线的机房水泵节能运行方法 |
CN116094206A (zh) * | 2023-03-08 | 2023-05-09 | 四川宜宾力源电机有限公司 | 一种使用转子的电机及转子与定子的间隙趋势计算方法 |
CN116094206B (zh) * | 2023-03-08 | 2023-06-23 | 四川宜宾力源电机有限公司 | 一种使用转子的电机及转子与定子的间隙趋势计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104598686A (zh) | 基于电磁计算及神经网络的水泵电机建模与优化方法 | |
CN109492819B (zh) | 基于时间优化分区的感潮泵站***变台数+变角日优化运行方法 | |
CN103678783A (zh) | 闭合绕组永磁无刷直流电机优化设计方法 | |
CN202856673U (zh) | 基于inga的智能水泵用无刷直流电动机转速控制*** | |
CN105971836A (zh) | 一种太阳能光伏提水和余电上网*** | |
CN110083912A (zh) | 年发电量最优的水力永磁发电机优化设计方法 | |
CN104270061A (zh) | 基于最佳压频比控制的潜油电机节能控制方法 | |
CN210518154U (zh) | 一种多变频器单电机压裂电控*** | |
CN104716790A (zh) | 一种22kw永磁同步电机设计方法 | |
CN108087943B (zh) | 一种集中供热方法及*** | |
CN103603763A (zh) | 一种用于水厂微水头发电的灯泡贯流式水轮机 | |
CN210107564U (zh) | 一种基准点跟踪法智能水力平衡控制***装置 | |
RU88167U1 (ru) | Система оптимального управления установкой электроцентробежного насоса | |
CN101256212A (zh) | 特高压电力金具综合分析试验方法 | |
CN111022311B (zh) | 一种光伏水泵控制方法 | |
Xiang et al. | Study on optimal scheduling pump group based on parallel HQ characteristics and pipe characteristics | |
Zhu et al. | Optimal hydraulic design of new-type shaft tubular pumping system | |
CN206221222U (zh) | 潜水电泵变频节能综合测试*** | |
CN203744478U (zh) | 一种节能结构 | |
CN202978465U (zh) | 一种潜水电动机的定子冲片结构 | |
CN105259504A (zh) | 一种三相异步电动机***的能效评分方法 | |
Baranovskyi et al. | Improving the energy efficiency of a mine drainage installation by means of an industrial electric drive | |
Сінчук et al. | Modeling tools for improving energy efficiency of water drainage complexes at iron ore underground mines | |
CN103089597A (zh) | 一种高压变频水泵***的控制方法 | |
Chulliyev et al. | Analysis of the efficiency of the use of electricity at the pumping station (Ramadan) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150506 |