基于電磁計算及神經網絡的水泵電機建模與優化方法
【技術領域】
[0001]本發明涉及水泵電機神經網絡建模方法領域，具體是一種基于電磁計算及神經網絡的水泵電機建模與優化方法。
【背景技術】
[0002]礦井地下開采過程中產生大量的生產廢水，并伴隨有大量的滲涌地下水，為了保證礦井內安全生產，必須用大型排水泵將這些水及時可靠的排至井外。礦井長時間安全生產要求這些排水泵必須伴隨整個礦井的生產過程持續運行，由此，礦山排水泵系統是礦山安全生產保障的關鍵性設備之一，同時也是礦山主要用電設備之一，其用電量最多能占到礦山總用電量的40%。排水泵的高效節能運轉對礦山的節能降耗、控制成本具有重要意義。
[0003]排水泵系統為配用電機驅動水泵葉輪旋轉產生離心力將液體沿管路排出的結構。水泵配套電機的功率選擇通常是按水泵設計工況點的軸功率乘以適當的備用系數來確定。如果機泵配置不合理，產生大馬拉小車的現象，電機能量將得不到有效的利用。同時，水泵配用電機自身的效率不高，也會產生大量能量無謂損失。因此排水泵系統的節能方向主要有排水泵配用電機的性能優化，排水泵與配用電機的功率匹配兩個方面。
[0004]目前在排水泵系統節能方面的工作存在以下問題:
(1)對水泵水力性能采用機理模型進行計算分析，則由于水泵的水力機理模型為一個三維非線性多變量動態模型，必須采用CFD流場流態計算方法才能進行模擬計算分析。而水泵的流場流態模型無法與電機電磁模型有效結合，不利于系統整體性能分析；
(2)電機的優化工作以電機自身的性能指標為目標，沒有同時考察如何減小配用電機的功率，提高電機性能與水泵負載特性耦合匹配程度。
[0005]
【發明內容】
本發明的目的是提供一種基于電磁計算及神經網絡的水泵電機建模與優化方法，以解決現有技術存在的問題。
[0006]為了達到上述目的，本發明所采用的技術方案為:
基于電磁計算及神經網絡的水泵電機建模與優化方法，其特征在于:包括以下步驟:
(1)、根據水泵用潛水三相異步電動機的機理模型，編寫電機正向電磁計算程序；
(2)、采用BP神經網絡方法，對水泵水力模型進行數據擬合建模；
(3)、將電機電磁計算的輸出結果作為水泵水力模型的輸入數據，結合兩部分程序形成機泵一體化模型；
(4)、對水泵測試數據進行反向擬合，根據水泵性能反向擬合得出的需求數據、設定的裕量系數目標及電機性能目標，實現對所配用電機進行優化設計功能，形成水泵電機逆向優化系統；
(5)、采用模擬退火遺傳算法，根據水泵性能反向擬合得出的需求數據、設定的裕量系數目標及電機性能目標，配合電機正向電磁計算程序，對配用電機進行計算機自動優化設
i+o
[0007]所述的基于電磁計算及神經網絡的水泵電機建模與優化方法，其特征在于:所述步驟(I)中，電機正向電磁計算程序:
對水泵配用的潛水電機，采用機理建模方法，將計算過程程序化形成可獨立運行的電機電磁計算程序；
程序的輸入數據包括:輸出功率kW、電源頻率Hz、線電壓V、定子接法、極數、節距、定轉子槽數、定子外內直徑mm、氣隙mm、轉子內徑mm、定子槽型尺寸mm、轉子槽型尺寸mm)、每圈匝數、并聯支路數、并繞根數、槽絕緣厚度mm、線徑，雙邊漆膜mm、鐵芯長mm、疊壓系數、線圈直線部分伸出長mm、端環平均直徑mm、面積mnT2、雜散損耗kW、鐵耗系數、漏抗系數等。
[0008]經計算輸出數據包括:效率、功率因數、額定轉矩、最大轉矩、啟動轉矩、啟動電流、槽滿率；
在傳統三相異步電動機等效磁路法電磁計算的基礎上，根據潛水電機浸沒在水中的運行條件及定轉子均采用閉口槽的結構特點，在電機的機械損耗和定轉子槽上部漏磁導的計算方法上，采用了與普通異步電機不同的計算方法；
水泵電機機械損耗分為三部分計算:轉子與冷卻水的摩擦損耗、推力軸承的摩擦損耗以及導軸承的摩擦損耗；
對于水泵電機定轉子閉口槽的槽上部漏磁導，采用等效槽口寬的方法進行計算。
[0009]所述的基于電磁計算及神經網絡的水泵電機建模與優化方法，其特征在于:所述步驟(2)中，BP神經網絡:
建立兩種結構近似，功能不同的BP神經網絡I與BP神經網絡2，分別用于結合電機正向電磁計算程序，形成機泵一體化模型，及結合電機電磁計算與優化算法，形成水泵電機逆向優化設計系統；
用于結合電機正向電磁計算程序，形成機泵一體化模型的水泵水力BP神經網絡模型1，采用雙輸入雙輸出，三層結構，隱層8神經元，梯度下降法修正誤差，訓練終止條件為訓練誤差小于2%”的結構特征，以水泵輸入軸功率、泵效率為模型輸入，輸出水泵的揚程和流量數據；
用于結合電機正向電磁計算程序及模擬退火遺傳算法，形成水泵電機逆向優化系統的水泵水力BP神經網絡模型2，采用三輸入單輸出，三層結構，隱層8神經元，采用梯度下降法修正誤差，訓練終止條件為訓練誤差小于2%”的結構特征，以水泵設計流量、揚程、目標泵效率為輸入，計算輸出預測水泵需求軸功率。
[0010]所述的基于電磁計算及神經網絡的水泵電機建模與優化方法，其特征在于:所述步驟(3)中，機泵一體化模型:
輸入電機結構參數進行電機正向電磁計算后，將計算的結果傳輸給經過實測樣本訓練并已收斂的BP神經網絡1，最終輸出在當前電機功率狀態下水泵的輸出流量、揚程；
電機正向電磁程序所使用的輸入結構參數，及水泵水力BP神經網絡模型I用來進行神經元訓練的數據，均以txt文檔的形式存放在文件夾中，程序自動讀取；
機泵一體化模型可以獨立于步驟(4)中所述水泵電機逆向優化系統，單獨運行進行計笪并ο
[0011]所述的基于電磁計算及神經網絡的水泵電機建模與優化方法，其特征在于:所述步驟(4)中，水泵電機逆向優化系統:
結合電機正向電磁計算程序、BP神經網絡2及模擬退火遺傳算法，形成水泵電機逆向優化系統；
BP神經網絡2根據實測樣本進行訓練并收斂后，當輸入一組流量、揚程及目標泵效率數據時，將擬合給出水泵在此狀態下需要輸入的軸功率，配合人為給定的裕量系數，即可得出水泵在此狀態下，其配用的電機應具有的最優輸出功率；以此功率作為電機的功率優化設計目標，配合效率、轉矩其他指標，進行水泵電機多目標優化設計；優化目標設定為電機的效率、功率因數、最大轉矩、啟動轉矩、啟動電流及機泵之間的備用系數；電機優化變量選取:鐵芯長、每槽導體數、定轉子槽部分內尺寸參數及額定輸出功率；
水泵電機多目標優化設計一般很難找到滿足所有目標要求的最優解，則將優化終止時所獲得的滿足部分優化目標的非劣解以txt形式輸出作為優化結果，供人工選擇；
水泵電機逆向優化系統可以獨立于步驟(3)所述機泵一體化模型，單獨運行進行計算。
[0012]本發明涉及三相異步潛水電機優化設計與大型排水泵水利性能基于神經網絡建模技術領域，通過對水泵配用電機正向電磁計算以及對水泵水力性能進行神經網絡擬合建模，建立機泵一體化模型。同時結合優化算法，形成水泵電機逆向優化設計系統。
[0013]本發明與與現有技術相比，其有益效果為:本發明采用神經網絡擬合方法對水泵進行建模，所建立模型適于結合電機模型，對系統整體性能進行分析計算。同結合優化算法，按照機泵功率高度匹配的原則，對電機結構設計參數進行智能逆向優化。
【附圖說明】
[0014]圖1為本發明之機泵一體化計算及水泵電機逆向優化功能實現的邏輯關系圖。
[0015]圖2為機泵一體化模型中所采用泵水力性能擬合的BP神經網絡結構。
[0016]圖3為水泵電機逆向優化設計系統中所采用對水泵測試數據進行反向擬合的BP神經網絡結構。
[0017]圖4為機泵一體化模型計算機泵系統整體性能的流程。
[0018]圖5為水泵電機逆向優化設計系統對所配用電機進行優化計算的流程。
【具體實施方式】
[0019]基于電磁計算及神經網絡的水泵電機建模與優化方法，包括以下步驟:
(1)、根據水泵用潛水三相異步電動機的機理模型，編寫電機正向電磁計算程序；
(2)、采用BP神經網絡方法，對水泵水力模型進行數據擬合建模；
(3)、將電機電磁計算的輸出結果作為水泵水力模型的輸入數據，結合兩部分程序形成機泵一體化模型；
(4)、對水泵測試數據進行反向擬合，根據水泵功率需求、安全裕量系數，實現對所配用電機進行優化設計功能，形成水泵電機逆向優化系統，如圖5所示；
(5)、采用模擬退火遺傳算法，根據水泵性能反向擬合得出的需求數據、設定的裕量系數目標及電機性能目標，配合電機正向電磁計算程序，對配用電機進行計算機自動優化設
i+o
[0020]步驟(I)中，電機正向電磁計算程序:
對水泵配用的潛水電機，采用機理建模方法，將計算過程程序化形成可獨立運行的電機電磁計算程序； 程序的輸入數據包括:輸出功率kW、電源頻率Hz、線電壓V、定子接法、極數、節距、定轉子槽數、定子外內直徑mm、氣隙mm、轉子內徑mm、定子槽型尺寸mm、轉子槽型尺寸mm)、每圈匝數、并聯支路數、并繞根數、槽絕緣厚度mm、線徑，雙邊漆膜mm、鐵芯長mm、疊壓系數、線圈直線部分伸出長mm、端環平均直徑mm、面積mnT2、雜散損耗kW、鐵耗系數、漏抗系數等。
[0021]經計算輸出數據包括:效率、功率因數、額定轉矩、最大轉矩、啟動轉矩、啟動電流、槽滿率；
在傳統三相異步電動機等效磁路法電磁計算的基礎上，根據潛水電機浸沒在水中的運行條件及定轉子均采用閉口槽的結構特點，在電機的機械損耗和定轉子槽上部漏磁導的計算方法上，采用了與普通異步電機不同的計算方法；
水泵電機機械損耗分為三部分計算:轉子與冷卻水的摩擦損耗、推力軸承的摩擦損耗以及導軸承的摩擦損耗；
對于水泵電機定轉子閉口槽的槽上部漏磁導，采用等效槽口寬的方法進行計算。
[0022]步驟(2)中，BP神經網絡: