Апроксимація кривої максимального ККД за допомогою нейронної мережі

Характеристики ККД насоса мають точку екстремуму на будь-якій швидкості привідного двигуна. Виробник Vogel Pumpen [14] забезпечує стале максимальне значення ККД насосу на цих характеристиках, що дає змогу при застосуванні екстремального керування перейти в точку максимального ККД на будь-якій частотній характеристиці при заданій продуктивності. Тому постає питання пошуку екстремуму ККД в околі робочої точки насосної установки на довільній швидкісній характеристиці. Якщо на кожній з цих характеристик зобразити точку максимального ККД, а потім їх з’єднати, то можна отримати лінію максимального ККД для статичних характеристик насосу на різних швидкостях, що зображена на рис. 5.

Рис. 5 – Лінія максимального ККД для сімейства статичних характеристик насоса Vogel CNX 100-65-400 при різних швидкостях привідного двигуна

Завдяки комп’ютерній програмі підбору насосів Vogel Select було знято 265 робочих точок Q та ω* при максимальному ККД насосу, що дозволили створити M–file, який використовуватиметься в побудові НМ. Крива максимального ККД керованого за обертами насоса апроксимована НМ. Крива максимального ККД та характеристика , зображені на рис. 6

Рис. 6 – Графік кривої максимального ККД та характеристики

Для побудови кривої максимального ККД обираємо 2 – шарову НМ, тоді для неї вводимо наступні параметри: ім’я мережі (name) – network1; тип мережі (network type) – feed-forward backprop: вхідні діапазони (input data, target data) – беруться з вхідних масивів «IN1» і «OUT1»; функція тренування (training function) – TRAINLM; число шарів НМ (number of layers) – 2; число нейронів та тип функції у кожному шарі - Properties fоr: 1-й шар – 10 нейронів, функція TANSIG; 2-й шар – 1 нейрон, функція PURELIN.

Структура цієї мережі аналогічна структурі рис. 3, але має на один шар менше. Тренування відбувалося 100 епох.