基于机器学习的小尺寸涡轮钻具输出性能优化

简介

为解决小尺寸涡轮钻具扭矩小带来的弊端,建立一种基于BP神经网络和非支配排序多目标遗传算法(NSGA-II)优化模型,通过对涡轮结构尺寸进行优化,得到高效率下扭矩更大的涡轮。采用权重估算和Garson算法,对涡轮的扭矩和效率进行敏感性分析,再通过比较多种机器学习算法构建回归模型的拟合度,选用反向传播神经网络(BPNN)建立扭矩和效率与设计参数之间的回归模型,最后结合非支配排序多目标遗传算法(NSGA-II)寻求Pareto最优解集。结果表明安装角对输出扭矩的影响最大,叶片数对输出效率的影响最大;采用BP神经网络构建的回归模型最为准确;优化后的涡轮与初始涡轮相比,扭矩提高1.2倍,效率提升1.35%。