液压泵流量和转矩建模训练结果
对于定量液压泵，这里采用该液压泵少量的试验测试数据作为神经网络的学习样本，经过学习建立起描述该变量柱塞泵PV16～PV270流量和转矩特性的模型，从而可计算出该变量柱塞泵PZS各个工况点下的各种效率。若液压泵排量己知，要计算其在给定压差和转速工况条件下的各种效率，则只需要通过基于该泵少量的试验测试数据而建立的神经网络模型，预测该工况下的输出流量和输入转矩，就可由式(1)---(3)计算效率Nv,Nm和Nt。因此，在网络结构的设计中，选取压差和转速作为网络输入层的神经元。由于流量和转矩有自身的规律特点，因此对这两个参数需要分别建模。对流量进行建模时，选取流量作为网络输出层的神经元，而对转矩进行建模时，选取转矩作为网络输出层的神经元。对网络隐层神经元个数的选取可按经验公式[61Mn=№Mi+Mo+X (13)式中mh、mi、m。分别为隐层、输入层和输出层的神经元数目，义为0～10之间的一个整数。由式(13)可确定隐层单元数的范围为2～12。隐层单元数过少，则网络的推广能力和容错性较差，而隐层单元数过多，则会出现拟合、训练时间变长。因此，对流量和转矩分别进行建模时，设计了隐层单元数目可变的BP网络，通过误差对比，确定合适的隐层单元数目。选排量为39．57 cm3／r的液压柱塞泵作为建模对象，并以该泵转速0．5、1．5、2．5 kr／min下的试验数据组作为训练样本数据，如表1所示。每一个转速下的试验数据为一个样本，用表l中的3组样本数据训练神经网络。
上一篇：液压泵的效率特性 下一篇：液压油泵流量和转矩建模训练结果
