基于改進(jìn)bp網(wǎng)絡(luò)的水力機(jī)組小流量工況下非線性特性分析

基于改進(jìn)bp網(wǎng)絡(luò)的水力機(jī)組小流量工況下非線性特性分析

在仿真和計(jì)算工藝選擇、水電系統(tǒng)及其裝置轉(zhuǎn)移過程時(shí)，必須使用工藝模型的綜合特性曲線數(shù)據(jù)來確定機(jī)組的流量特性和功率特性。通常,水輪機(jī)組在小開度、小流量的低效區(qū)工況點(diǎn)下呈明顯的非線性特性,因此,廠家所給定的水輪機(jī)綜合特性曲線一般只有高效區(qū)部分。通過計(jì)算機(jī)輔助設(shè)計(jì),利用擬合、插值和外延等將機(jī)組已知綜合特性曲線向小開度、小流量方向延伸,以便獲得機(jī)組流量特性和力矩特性,這是水輪機(jī)模型綜合特性及機(jī)組過渡過程研究的一個(gè)重要方面。作為對人腦的一種簡單抽象的模擬,人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks.ANN)是由大量人工神經(jīng)元廣泛互連而組成。人工神經(jīng)網(wǎng)絡(luò)特有的能適應(yīng)非線性信息的處理能力,在專家系統(tǒng)、模式識別、智能控制、組織優(yōu)化、預(yù)測等領(lǐng)域得到成功的應(yīng)用。本文介紹了改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn),利用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)判斷功能及非線性數(shù)據(jù)逼近功能,并將其與MATLAB矩陣數(shù)據(jù)處理能力相結(jié)合,通過學(xué)習(xí)獲得水輪機(jī)在小開度、小流量的低效率區(qū)工況點(diǎn)的綜合特性數(shù)據(jù)。1多層網(wǎng)絡(luò)的融合由D.E.Rumelhart和J.L.McClelland提出的BP神經(jīng)網(wǎng)絡(luò),是一種利用誤差反向傳播訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò),它系統(tǒng)地解決了多層網(wǎng)絡(luò)中隱含單元連接權(quán)的學(xué)習(xí)問題。由于改進(jìn)BP網(wǎng)絡(luò)有很好的逼近非線性映射的能力,因而它在信息處理、圖像識別、模型識別及系統(tǒng)控制等方面得到了許多科學(xué)研究者的親睞。2傳統(tǒng)的織物形態(tài)水輪機(jī)控制系統(tǒng)是一個(gè)多輸入多輸出的系統(tǒng),各工況點(diǎn)都呈現(xiàn)為明顯的非線性特性。傳統(tǒng)的水輪機(jī)特性曲線的處理方法包括:表格插值、曲線插值和拋物線插值等。隨著計(jì)算機(jī)軟件技術(shù)的發(fā)展,許多學(xué)者將各種應(yīng)用軟件合理地引入水輪機(jī)特性曲線處理中,大大地提高了水輪機(jī)特性數(shù)據(jù)處理的效率和精度。3改善p2p網(wǎng)絡(luò)建模3.1織物上模型密度計(jì)算轉(zhuǎn)槳式水輪機(jī)主動力矩Mt和流量Q的變化特性即為機(jī)組的靜態(tài)特性,其力矩和流量的函數(shù)表達(dá)式為:Mt=Mt(H,a,n,θ)?Q=Q(H,a,n,θ)(1)Μt=Μt(Η,a,n,θ)?Q=Q(Η,a,n,θ)(1)式中,Mt為水輪機(jī)的主動力矩,N·m;Q為流量,m3/s;H為水頭,m;n為轉(zhuǎn)速,r/min;a為導(dǎo)葉開度;θ為槳葉角度。3.2生成單位轉(zhuǎn)速n1和導(dǎo)葉的開度由于所選的輸入學(xué)習(xí)樣本各值之間存在著量綱、數(shù)量級不同等方面的問題,需要對神經(jīng)網(wǎng)絡(luò)的輸入輸出數(shù)據(jù)進(jìn)行歸一化處理或標(biāo)準(zhǔn)化處理,以加快網(wǎng)絡(luò)的訓(xùn)練速度,防止因凈輸入的絕對值過大而使神經(jīng)元飽和。這里將力矩Mt和流量Q轉(zhuǎn)換為單位量,并用相對量來表示,則式(1)化為:m11=M11/M11r=f(a,n11)q11=Q11/Q11r=q(a,n11)(2)m11=Μ11/Μ11r=f(a,n11)q11=Q11/Q11r=q(a,n11)(2)式中,M11r、Q11r分別是額定工況下的單位流量和單位力矩。從式(1)和式(2)可以看出,水輪機(jī)的單位力矩和單位流量取決于單位轉(zhuǎn)速n11和導(dǎo)葉的開度a。也就是說,在將從水輪機(jī)特性曲線上通過CAD自動獲得的[a,n11]數(shù)據(jù)矩陣作為不同工況點(diǎn)的輸入樣本輸入時(shí),輸出即為反映水輪機(jī)特性的主動力矩和流量變化的特性曲面。3.3擴(kuò)展和邊界域限制3.3.1生成延拓曲線李際軍等提出了采用“先離后合”的概念。首先對需要延拓的非均勻樣條基線進(jìn)行分析,構(gòu)造出一系列的基線型值點(diǎn),然后將延拓點(diǎn)加入到型值點(diǎn)序列中,再對新的型值點(diǎn)序列進(jìn)行三點(diǎn)二次插值,創(chuàng)建出延拓曲線。借助這種思路,通過CAD自動獲得的高效區(qū)的流量和力矩[a,n11]數(shù)據(jù)矩陣作為神經(jīng)網(wǎng)絡(luò)的輸入樣本,再結(jié)合邊界約束點(diǎn)沿曲面方向進(jìn)行延拓,從而獲得可靠、精度高的低效區(qū)水輪機(jī)特性數(shù)據(jù)。3.3.2流量延拓曲面下的應(yīng)的約束條件在曲面延拓的過程中,不可能按曲面的方向無限制地延拓下去,而是結(jié)合實(shí)際情況,給出相應(yīng)的約束條件:(1)在流量延拓曲面中,當(dāng)導(dǎo)葉開度為0(a=0)時(shí),由于此時(shí)的導(dǎo)葉已為全關(guān)閉狀態(tài),所以無論轉(zhuǎn)速有多大,流量均為0;(2)假設(shè)機(jī)組單位轉(zhuǎn)速在恒為零(n11=0)的條下,那么隨著導(dǎo)葉開度的增大,單位流量q11也應(yīng)該是隨之逐漸增大。4matlab神經(jīng)網(wǎng)絡(luò)對于型號為ZZ560的軸流轉(zhuǎn)槳式水輪機(jī),采用3層改進(jìn)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),分別對單位流量q11和單位力矩m11=0進(jìn)行仿真,利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱編寫網(wǎng)絡(luò)結(jié)構(gòu),如圖1所示。經(jīng)分析,單位流量和單位力矩的網(wǎng)絡(luò)結(jié)構(gòu)圖是一樣的,這里僅以計(jì)算q11的改進(jìn)BP網(wǎng)絡(luò)模型為例。4.1改進(jìn)bp網(wǎng)絡(luò)模型由CAD自動從ZZ560型軸流轉(zhuǎn)槳式水輪機(jī)的綜合特性曲線上提取已知高效區(qū)的數(shù)據(jù)矩陣,然后將其作為流量輸入樣本值P(a,n11)和目標(biāo)樣本值T(q11),并結(jié)合對應(yīng)的邊界約束條件,利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)trianlm()編寫改進(jìn)BP網(wǎng)絡(luò)程序模型,并對模型進(jìn)行“學(xué)習(xí)”訓(xùn)練。4.2模型的輸出層將用于訓(xùn)練的流量輸入樣本的原始數(shù)據(jù)矩陣P=[25,28…39,42;80,90…120,130]作為模型的輸入,即圖1中的輸入層。對應(yīng)的輸出樣本矩陣T=[1.0011.151…1.4941.500],通過模型的輸出層,對整個(gè)模型進(jìn)行“學(xué)習(xí)”訓(xùn)練,其中,在輸出層可以采用Sigmoid型和Purelin兩種神經(jīng)元,由于考慮到導(dǎo)葉開度變化范圍很大,所以本次仿真模型選用Purelin型線性神經(jīng)元作為輸出。第1層和第2層均采用雙曲正切S型(Tan-Sigmoid)傳輸函數(shù),利用initff函數(shù),即,[W1,b1,W2,b2,W3,b3]=initff(P,S1,’tansig’,S2,’tansig’,T,’Purelin’),對改進(jìn)BP網(wǎng)絡(luò)進(jìn)行初始化處理,并通過模型自動“學(xué)習(xí)”,從而獲得網(wǎng)絡(luò)權(quán)值和偏值。模型參數(shù)設(shè)定如表1所示。4.3織物模型訓(xùn)練網(wǎng)絡(luò)模型參數(shù)設(shè)定后,利用tp函數(shù)對設(shè)定模型進(jìn)行訓(xùn)練,即采用:tp=[disp_freqmax_epocherr_goal]。模型參數(shù)設(shè)定后,最后利用基于Levenberg-Marquardt規(guī)則訓(xùn)練的trianlm()算法函數(shù)進(jìn)行“學(xué)習(xí)”訓(xùn)練,即:[W1,b1,W2,b2,W3,b3,te,tr]=trainlm(W1,b1,’tansig’,W2,b2,’tansig’,W3,b3,’Purelin’,P,T,tp)模型對樣本進(jìn)行訓(xùn)練后,即可以獲得低效率區(qū)的水輪機(jī)綜合特性數(shù)據(jù)。4.4單位流量仿真在改進(jìn)BP網(wǎng)絡(luò)訓(xùn)練結(jié)束之后,對任意輸入P利用仿真函數(shù)simuff(),就可以得到相應(yīng)仿真結(jié)果。ZZ560型軸流轉(zhuǎn)槳式水輪機(jī)的單位流量仿真可通過如下程序來實(shí)現(xiàn):q11=simuff(P,W1,b1,’tansig’,W2,b2,’tansig’,W3,b3,’Purelin’)單位力矩仿真程序與單位流量的仿真相同,即把輸入樣本換成單位力矩矩陣即可。經(jīng)訓(xùn)練得到的低效區(qū)的單位流量延拓曲面和單位力矩的延拓曲面如圖2,圖3所示。4.5單位流量誤差與單位力學(xué)性能通過模型自動“學(xué)習(xí)”訓(xùn)練所獲得的數(shù)據(jù)與原始樣本的數(shù)據(jù)進(jìn)行對比之后,可以得到單位流量誤差曲面和單位力矩誤差曲面,如圖4,圖5所示。5單位流量預(yù)測值誤差從仿真結(jié)果可以看出,所建的改進(jìn)BP網(wǎng)絡(luò)模型對特性曲面的擬合效果很好。現(xiàn)對型號為ZZ560的軸流轉(zhuǎn)槳式水輪機(jī)單位流量的試驗(yàn)值與改進(jìn)BP網(wǎng)絡(luò)模型預(yù)測值之間的誤差,從圖2中提取兩組數(shù)據(jù)加以對比,對比結(jié)果如表2所示。通過調(diào)整權(quán)值和偏值,改進(jìn)BP網(wǎng)絡(luò)使網(wǎng)絡(luò)的實(shí)際輸出值與期望輸出值的誤差均在允許的誤差范圍之內(nèi)。由圖4及表2可見,單位流量的實(shí)驗(yàn)值和預(yù)測值之間的誤差都在10-3量級內(nèi)。說明建模精度很高,延拓曲面擬合效果很好,能夠較好地反映水輪機(jī)在不同工況點(diǎn)時(shí)的真實(shí)特性,可以為機(jī)組過渡過程的仿真計(jì)算提供精確的特性數(shù)據(jù)。6評價(jià)面為軸流轉(zhuǎn)槳式織物用改進(jìn)BP網(wǎng)絡(luò)強(qiáng)大的非線性逼近功能、快速可靠的優(yōu)化算