基于PSO-BP的调控型气体密封状态参数智能计算方法研究

简介

调控型气体密封作为一种非接触密封，可以提高系统服役过程中运行的稳定性，但是目前密封状态参数的计算方法存在计算模型建立过程繁杂以及迭代计算耗时较长等缺点。本文采用了一种符合智能调控系统输出精度及时效性要求的粒子群算法（PSO）优化下的BP（BackPropagation）神经网络方法，开发了基于PSO-BP的调控型气体密封状态参数的智能调控程序。并且对神经网络模型初始阀值与权值进行取值优化，讨论了粒子群种群数量，隐含层数，神经元数等参数对智能计算程序的影响。搭建了基于PSO-BP的调控型气体密封试验验证系统，验证了密封状态参数智能计算程序的精确度。实现了调控型气体密封的智能调控，提高了调控型气体密封抗干扰能力，促进了大型离心压缩机向宽工况、高参数、高效率和智能化方向发展。