基于BP神经网络的液膜密封监测方法

液膜密封泵送性能的直接测试较难实现,为了在线测得液膜密封的性能参数,提出了基于误差反向传播(Back Propagation,简称BP)神经网络的性能监测方法.首先,通过实验测得不同压力和转速下,液膜密封的泵送量和液膜厚度;其次,利用实验数据训练BP神经网络,采用"遍历输入量区间"的方法得到神经网络输出值,绘制模拟数据等值线图,并与实测数据等值线图进行比较,评价神经网络泛化性;然后,从泛化性、准确性和回归性3个方面比较了5种训练函数的非线性回归效果,得到最优BP神经网络模型;最后,对BP神经网络的监测效果进行检验.结果表明:trainbr函数具有泛化能力强、对隐含层节点数依赖性弱的特点,应用该训练函数的BP神经网络满足液膜密封的监测要求.