111利用神经网络预测轴向柱塞泵的性能MansourAKarkouba,OsamaEGada,MahmoudGRabieba--就读于科威特的科威特大学工程与石油学院b--就读于埃及开罗的军事科技大学摘要本文推导了应用于轴向柱塞泵（斜轴式）的神经网络模型。该模型采用的数据是由一个实验装置获得的。这个正在进行的研究的目的是降低柱塞泵在高压下工作时的能量损耗。然而，在最初我们要做一些研究来预测当前所设计的泵的响应。神经网络模型具有前反馈的结构，并在测验过程中使用 Levenberg-Marquardt 优化技术。该模型能够准确地预测柱塞泵的动态响应。1、简介可变排量轴向柱塞泵是在流体动力系统中经常要用到的重要设备，如液压动力供应控制和静液压传动驱动器的控制。本装置具有变量机制和功率-重量比特性，使其最适合于高功率电平的控制。所设计的这种轴向柱塞泵拥有可靠性和简便的特点，然而其最重要的特征是可以变量输出。人们在轴向柱塞泵领域已经做了很多研究，但是本文将只论述一下少数几人所做的贡献。Kaliafetis 和 Costopoulos［5］用调压器研究了轴向柱塞变量泵的静态和动态特性。所提出的模型的精确度依赖于制造商提供的动态运行曲线等数据 。他们得出结论，运行条件对泵的动态行为是非常关键的，而泵的动态行为可以通过减小压力设定值进行改善。Harris 等人［4］模拟和测量了轴向柱塞泵的缸体压力和进油流量脉动。Kiyoshi 和 Masakasu［7］研究了斜盘式变量输送的轴向柱塞泵在运行时刻的实验上和理论上的静态和动态特性。并提出了一种新的方法来预测泵在运行过程中的响应。也对研究泵特性的新方法的有效性进行了实验验证 ，实验中使用了一个有宽、短而深的凹槽的配流盘。Edge 和 Darling［2］研究了液压轴向柱塞泵的缸体压力和流量。这个得出的模型经过了实验检验。对于配流盘、缸体上设计的退刀槽和泵的流量脉动对泵特性的影响都进行了验证。人们已证实了一种可替代的建模技术——神经网络（NN）能取得良好的效果，特别是对于高度非线性的系统。这种技术是模仿人脑获取信息的功能。Karkoub和 Elkamel［6］用神经网络模型预测了一个长方形的气压轴承的压力分布。所设计的这种模型在预测压力分布和承载能力方面比其他可用的工具更加精确。Gharbi等人［3］利用神经网络预测了突破采油。其表现远远优于常见的回归模型或有限差分法。李等人［8］用神经网络模型 NNS 和鲍威尔优化技术对单链路和双链路的倒立摆进行了建模和控制。研究者们取得了理想的结果。Pa...
VIP
