上来测量供给压力。这些传感器都是压阻式，可以测量压力范围为.到之间。每个传感输入电压为〜，而输出电压是在到之间。这些传感器是用来测量控制压力和参照图。压力信号时域图谱是使用机和数据采集板采集。转换时间为位逐次逼近转换器数据采集板能实现最大吞吐率。泵出口管路上安装有节流口大小固定节流阀和方向控制阀参照图和图。这些阀可以使泵出口管路压力快速变化。当电磁阀通电时，阀门迅速关闭，泵排出流量就被迫流经节流阀。这样设置试验台就能使电磁阀中电流能触发数据采集系统，从而拾取瞬间变化压力和值。这些数据测量是在泵转速为由两个主要部分组成。第部分是旋转组，其中包括驱动轴柱塞缸体和配流盘。七个柱塞安装在个位于前表面球形组件上，并且他们同时动作使缸体旋转。缸体通过弹簧推压控制区域配流盘。在运行过程中，带有柱塞配流盘和缸体可以在个球形滑动表面上移动。配流盘采用了在进油口和出油口前缘和后缘都带有半圆形凹槽双向配流盘。第二部分是泵控制部分，其中包含了控制柱塞控制元件和调节弹簧和控制弹簧和。两个主要部分是用调节销连接在起。体积为泵出口腔与体积为和控制腔通过孔和分别连通。控制柱塞连通开口孔该开口孔大小是由活塞参照图和图控制。当操作压力超过了弹簧预设值，控制元件和就会推压弹簧。与此同时，液压油通过节流孔和从泵出口流出。在体积为腔体内高压油就从开口孔流到了控制柱塞大端面上。如果作用在控制柱塞上压力大于弹簧力，控制柱塞就会移动，直到液压力和机械力恢复平衡。缸体柱塞和配流盘在球形滑动表面以相反方向移动，以减少旋转角度。此运动会导致泵流速降低。.数据测量装置利用神经网络设计模型必须要使用从上述系统获得些实际数据进行检验。检验过程对于神经网络了解它试图预测模型是必要。数据是从图所示实验装置中收集。此数据是通过测量图所示轴向柱塞泵稳态和瞬态响应获得。图实验装置照片图斜轴式轴向柱塞泵示意图图柱塞泵控制单元示意图实验研究是在如图所示测试平台上进行，液压回路图如图所示。试验泵进油管和出油管分别与吸油管和高流量计端口和直接连接在起。试验泵是由个高功率可控速度液压马达驱动。液压回路工作过程如下油从油箱流入增压泵进油口。减压阀是用来保护增压泵回路以避免其压力过高。增压泵溢出液压油通过个单向阀流入主泵吸油和供油线路。减压阀是用于保护主泵回路防止压力过高。从主泵流出液压油通过用于控制主泵流向方向控制阀和流入主驱动马达回路。试验泵流速由数字式流量计显示。试验泵从动轴转速是由转速计测量，可以通过改变电动机速度来控制从动轴速度。在操作过程中工作油温度要保持在范围内。图液压系统示意图在稳态测量期间，当开关阀完全关闭时供给压力变化是由控制阀调节。压力计用来测量进油管路中油压，数字压力计测量出油线路中油压。减压阀是用来保护试验泵回路以防过载。而在瞬态测量期间，阀是完全打开而阀是完全关闭。.泵稳态响应测量所研究泵稳态性能实验测定是通过测量不同供给压力下泵排出流量来进行。试验泵参数如表所示。供给压力是由节流阀控制，其压力值由数字压力计测得。相应泵排量是由数字流量计测量。测量时预设压力相同而泵转速不同，泵转速分别为和。泵排量也是在不同预设压力值下测量。测量值如图和图所示。表泵参数参数描述数值控制柱塞大端面.柱塞面积.控制元件面积.控制柱塞小端面面积.泵输油管道体积.−第控制腔体积.−第二控制腔体积.−第三控制腔体积.−缸体最小倾斜角缸体最大倾斜角.泵瞬态响应测量图所示待研究泵瞬态响应实验测定是通过测量不同控制腔工作压力来进行。在泵体不同位置安装着三个电控压力传感器，该泵体是和体积分别为和控制腔直接连接在起，如图所示。另个压力传感器被安装在泵出口体积管路上来测量供给压力。这些传感器都是压阻式，可以测量压力范围为.到之间。每个传感输入电压为〜，而输出电压是在到之间。这些传感器是用来测量控制压力和参照图。压力信号时域图谱是使用机和数据采集板采集。转换时间为位逐次逼近转换器数据采集板能实现最大吞吐率。泵出口管路上安装有节流口大小固定节流阀和方向控制阀参照图和图。这些阀可以使泵出口管路压力快速变化。当电磁阀通电时，阀门迅速关闭，泵排出流量就被迫流经节流阀。这样设置试验台就能使电磁阀中电流能触发数据采集系统，从而拾取瞬间变化压力和值。这些数据测量是在泵转速为验数据之间良好致性。在实验开始阶段，即.秒之前，数据看起来很杂乱，很难适应。所设计网络会近似化处理该区域数据而并不是顺从其杂乱。图压力预测值孔口直径.毫米实验和预测固体泵转速为，实验和预测实线泵转速为。图压力预测值孔口直径.毫米实验和预测实线泵转速为，实验和预测虚线泵转速为。图压力预测值孔口直径.毫米实验和预测实线泵转速为，实验和预测虚线泵转速为。图压力预测值泵转速和孔直径.毫米实验和预测实线。同样，图显示了神经网络模型能很好地预测压力值。预测值和实验值之间误差小于。这是个很好迹象，表明神经网络建模技术在模拟复杂系统，如斜轴式轴向柱塞泵时是个可行工具。结论人们已经开始用神经网络建模技术来预测斜轴式轴向柱塞泵稳态和动态响应。实验数据是从个用来测验网络实验装置收集来。所得出模型能准确地预测压力。因此，神经网络对于模拟复杂系统，如斜轴式轴向柱塞泵具有很大潜力。附录梯度下降法梯度下降法常用于在测验阶段更改权重系数。假定网络有层而网络输入向量有个分量。层中神经元输出计算方法如下其中对于方程当设定时，就可以获得输出层输出。网络误差平方和由下式给出其中和分别是输出层中神经元期望和实际输出。下标表示个特定输入矢量。测验过程目是获得组合适能得到最小误差平方和权重。层梯度下降计算公式如下其中表示转置矩阵输入向量为时神经元梯度矩阵如下式所示相应权重矩阵如下式所示输出层梯度下降值如下式所示其中按照上面描述过程，我们可以从输出层开始层层地计算出所有层梯度下降值。当所有层所有梯度下降值都计算出来后，就可使用以下更改规则来计算以对权重进行调整常数η称为学习速率。实际权重可以如下计算当误差平方和函数最小而且没有出现过度拟合时就得到了组最好权重值。参考文献.，弗朗西斯，仿射控制非最小相非线性过程控制神经网络方法.过程控制期刊，第版年，页.,斜盘式轴向柱塞泵动态特性.动态系统测量和控制期刊页，.，用于预测不混溶洪水表现人工神经网络.能源和燃料，第版，页.,,.正排量轴向柱塞泵动态吸油过程.动态系统期刊，测量与控制页，.轴向柱塞变量泵压力控制建模与仿真.机械原理，页采用神经网络对长方形气体轴承压力分布模型.摩擦学，年，页,研究斜盘式轴向柱塞泵运行状态.流体控制杂志页.,.,.应用鲍威尔理论学习三个未知动态系统神经网络控制.最优控制应用与理论，页.,,.,.应用神经网络来建模普拉德霍湾流体接触情况.第届技术大会及展览会，达拉斯，德克萨斯州，月日年.中文字出处利用神经网络预测轴向柱塞泵的性能就读于科威特的科威特大学工程与石油学院就读于埃及开罗的军事科技大学摘要本文推导了应用于轴向柱塞泵斜轴式的神经网络模型。该模型采用的数据是由个实验装置获得的。这个正在进行的研究的目的是降低柱塞泵在高压下工作时的能量损耗。由两个主要部分组成。第部分是旋转组，其中包括驱动轴柱塞缸体和配流盘。七个柱塞安装在个位于前表面球形组件上，并且他们同时动作使缸体旋转。缸体通过弹簧推压控制区域配流盘。在运行过程中，带有柱塞配流盘和缸体可以在个球形滑动表面上移动。配流盘采用了在进油口和出油口前缘和后缘都带有半圆形凹槽双向配流盘。第二部分是泵控制部分，其中包含了控制柱塞控制元件和调节弹簧和控制弹簧和。两个主要部分是用调节销连接在起。体积为泵出口腔与体积为和控制腔通过孔和分别连通。控制柱塞连通开口孔该开口孔大小是由活塞参照图和图控制。当操作压力超过了弹簧预设值，控制元件和就会推压弹簧。与此同时，液压油通过节流孔和从泵出口流出。在体积为腔体内高压油就从开口孔流到了控制柱塞大端面上。如果作用在控制柱塞上压力大于中文字出处利用神经网络预测轴向柱塞泵性能就读于科威特科威特大学工程与石油学院就读于埃及开罗军事科技大学摘要本文推导了应用于轴向柱塞泵斜轴式神经网络模型。该模型采用数据是由个实验装置获得。这个正在进行研究目是降低柱塞泵在高压下工作时能量损耗。然而，在最初我们要做些研究来预测当前所设计泵响应。神经网络模型具有前反馈结构，并在测验过程中使用优化技术。该模型能够准确地预测柱塞泵动态响应。简介可变排量轴向柱塞泵是在流体动力系统中经常要用到重要设备，如液压动力供应控制和静液压传动驱动器控制。本装置具有变量机制和功率重量比特性，使其最适合于高功率电平控制。所设计这种轴向柱塞泵拥有可靠性和简便特点，然而其最重要特征是可以变量输出。人们在轴向柱塞泵领域已经做了很多研究，但是本文将只论述下少数几人所做贡献。和用调压器研究了轴向柱塞变量泵静态和动态特性。所提出模型精确度依赖于制造商提供动态运行曲线等数据。他们得出结论，运行条件对泵动态行为是非常关键，而泵动态行为可以通过减小压力设定值进行改善。等人模拟和测量了轴向柱塞泵缸体压力和进油流量脉动。和研究了斜盘式变量输送轴向柱塞泵在运行时刻实验上和理论上静态和动态特性。并提出了种新方法来预测泵在运行过程中响应。也对研究泵特性新方法有效性进行了实验验证，实验中使用了个有宽短而深凹槽配流盘。和研究了液压轴向柱塞泵缸体压力和流量。这个得出模型经过了实验检验。对于配流盘缸体上设计退刀槽和泵流量脉动对泵特性影响都进行了验证。人们已证实了种可替代建模技术神经网络能取得良好效果，特别是对于高度非线性系统。这种技术是模仿人脑获取信息功能。和用神经网络模型预测了个长方形气压轴承压力分布。所设计这种模型在预测压力分布和承载能力方面比其他可用工具更加精确。等人利用神经网络预测了突破采油。其表现远远优于常见回归模型或有限差分法。李等人用神经网络模型和鲍威尔优化技术对单链路和双链路倒立摆进行了建模和控制。研究者们取得了理想结果。等人应用在普拉德霍湾油田对流体接触进行了建模。所得到模型预测目标油井中流量分配比传统以回归为基础技术更准确。等人已经推导出个神经网络模型来预测非最小相系统响应。所开发出模型被应用于反应器和连续搅拌式生物反应器，所得到结果是令人满意。本文研究利用神经网络解决轴向柱塞泵斜轴式在定供油压力下建模。本文首先会描述用于收集实验数据实验装置，然后将会简要介绍神经网络建模程序。实验装置实验数据是从这个将在本节中进行讨论实验装置上得到。该装置主要组成部分是轴向柱塞泵。在下面章节中，我们将描述泵工作原理，然后描述如何收集实验数据。.斜轴式轴向柱塞泵示意图显示出了在实验中使用轴向柱塞泵基本组件，而此泵控制单元如图所示。该泵由两个主要部分组成。第部分是旋转组，其中包括驱动轴柱塞缸体和配流盘。七个柱塞安装在个位于前表面球形组件上，并且他们同时动作使缸体旋转。缸体通过弹簧推压控制区域配流盘。在运行过程中，带有柱塞配流盘和缸体可以在个球形滑动表面上移动。配流盘采用了在进油口和出油口前缘和后缘都带有半圆形凹槽双向配流盘。第二部分是泵控制部分，其中包含了控制柱塞控制元件和调节弹簧和控制弹簧和。两个主要部分是用调节销连接在起。体积为泵出口腔与体积为和控制腔通过孔和分别连通。控制柱塞连通开口孔该开口孔大小是由活塞参照图和图控制。当操作压力超过了弹簧预设值，控制元件和就会推压弹簧。与此同时，液压油通过节流孔和从泵出口流出。在体积为腔体内高压油就从开口孔流到了控制柱塞大端面上。如果作用在控制柱塞上压力大于弹簧力，控制柱塞就会移动，直到液压力和机械力恢复平衡。缸体柱塞和配流盘在球形滑动表面以相反方向移动，以减少旋转角度。此运动会导致泵流速降低。.数据测量装置利用神经网络设计模型必须要使用从上述系统获得些实际数据进行检验。检验过程对于神经网络了解它试图预测模型是必要。数据是从图所示实验装置中收集。此数据是通过测量图所示轴向柱塞泵稳态和瞬态响应获得。图实验装置照片图斜轴式轴向柱塞泵示意图图柱塞泵控制单元示意图实验研究是在如图所示测试平台上进行，液压回路图如图所示。试验