[发明专利]基于神经网络与整机的液力变矩器叶片数优化方法在审
| 申请号： | 201510393894.X | 申请日： | 2015-07-07 |
| 公开（公告）号： | CN105022871A | 公开（公告）日： | 2015-11-04 |
| 发明（设计）人： | 李晓田;孟庆华;李文嘉;王安麟;程伟;曹岩;章明犬 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/02 |
| 代理公司： | 上海智信专利代理有限公司 31002 | 代理人： | 吴林松 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于神经网络与整机的液力变矩器叶片数优化设计方法，建立叶片数神经网络模型与整机系统的数字模型相结合以对叶片数进行优化，包括以下步骤：以液力变矩器泵轮、涡轮和导轮叶片数作为输入变量，利用正交试验法合理安排试验，以三维流体仿真的泵轮转矩和涡轮转矩作为神经网络训练样本的目标向量，由此确定了神经网络的结构和训练样本；为提高神经网络的设计效率与收敛精度，引入遗传算法对神经网络初始权值和阈值进行优化，训练后的神经网络，对非训练样本集合的液力变矩器性能实现准确预测；将叶片数神经网络模型与整机系统的数字化模型相结合对叶片数进行优化。本发明方法对提升整机作业效率具有重要工程应用价值。 | ||
| 搜索关键词： | 基于 神经网络 整机 液力变矩器 叶片 优化 方法 | ||
【主权项】：
一种基于神经网络与整机的液力变矩器叶片数优化方法，其特征在于：将液力变矩器放在整机系统的数字化模型中，以整机效率的提高作为优化目标进行叶片数的优化，为与整机系统的数字化模型相结合，采用三层BP神经网络建立叶片数神经网络模型，即相当于建立了液力变矩器性能与叶片数和泵轮涡轮转速的如下函数关系：![]()
![]()
神经网络预测的泵轮转矩；![]()
为神经网络预测的涡轮转矩；NB为泵轮叶片数；NW为涡轮叶片数；ND为导轮叶片数；nB为泵轮转速；nW为涡轮转速。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于同济大学，未经同济大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510393894.X/，转载请声明来源钻瓜专利网。
