买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：扬州大学

摘要：本发明提供一种离心泵叶轮水力设计方法、离心泵叶轮和离心泵，涉及叶轮水利设计技术领域。本发明通过引入机器学习中的深度学习方法，构建深度学习模型，通过大量的离心泵水力数据集进行训练，能够学习到数据中的潜在规律和特征，从而实现对离心泵性能的预测和优化，相比传统的经验公式或数值模拟方法，深度学习模型能够更全面地捕捉输入参数和输出参数之间的复杂关系，从而提高离心泵的效率并降低其能耗，提高设计的智能化和自动化水平。

主权项：1.一种离心泵叶轮水力设计方法，其特征在于，具体步骤如下：S1：采集处于不同水域位置离心泵一定时间内的水力数据和工况数据，根据水力数据生成数据集，并对数据集进行归一化处理；S2：根据离心泵的水力数据和工况数据构建深度学习模型，并选择合适的激活函数；S3：将数据集划分为训练集和验证集，利用训练集对深度学习模型进行训练，并通过反向传播算法对深度学习模型进行优化；S4：调整离心泵的工况数据，利用训练好的深度学习模型对不同情况下离心泵的水力数据进行预测，得到优化的叶轮几何形状；所述水力数据包括输入参数和输出参数，所述输入参数包括流量、扬程、功率、转速，所述输出参数为效率，所述工况数据包括叶轮的厚度、数量、倾斜角；构建深度学习模型的逻辑为：对训练集里的多组输入参数和输出参数分别标定为流量Qi、扬程Hi、功率Pi、转速Vi、效率θi，下标i表示数据的编号；将输入参数作为深度学习模型的输入，将输出参数作为深度学习模型的输出，利用训练集中的流量Qi、扬程Hi、功率Pi、转速Vi构建出输入矩阵Xin，并计算深度学习模型的理论输出Ys，将训练集中的效率θi作为深度学习模型的实际输出Yt；将理论输出Ys、实际输出Yt进行比对，计算出深度学习模型的误差，并根据误差来对深度学习模型进行优化，当Ys＝μ*Yt时，认为误差达到可接受范围，深度学习模型优化完成可以使用，μ表示预设的置信系数；在深度学习模型优化完成后，得到深度学习模型输入层与输出层之间对应关系的表达函数，再将工况数据标定为厚度hj、数量Nj、倾斜角βj，在水力数据的输入参数一定的情况下，将工况数据作为自变量，离心泵的效率θj作为因变量带入深度学习模型，利用深度学习模型所生成的输入层与输出层之间对应关系的表达函数来构建目标函数并表示为θj＝fhL,Nj,βj，下标j表示数据的编号；对目标函数的每个自变量进行偏导数计算，得到梯度向量并计算梯度向量为0时目标函数的解，从而得到因变量的候选极值点，计算公式为： 对每个候选极值点再次进行偏导数计算，并构建出二次偏导矩阵K，计算方式为： 根据二次偏导矩阵和梯度向量来求解系统，当时，求出因变量效率θj的最大值以及对应的自变量厚度hj、数量NL、倾斜角βL的值，从而找到最优的叶轮几何形状。

全文数据：

权利要求：

百度查询： 扬州大学 一种离心泵叶轮水力设计方法、离心泵叶轮和离心泵