[发明专利]一种基于BP神经网络全特性曲线函数的逼近方法

权利要求书

1.一种基于BP神经网络全特性曲线函数的逼近方法，其特征在于：所述方法包括以下步骤：

步骤1、对水泵水轮机模型试验全特性曲线样本数据进行采集；

步骤2、对采集后的数据进行归一化和延拓处理；

步骤3、建立起三层BP神经网络对处理后的数据进行训练，获得了理想的网络，完成了对水泵水轮机全特性非线性关系的逼近，从而将训练后得到的数据绘制成空间曲面。

2.根据权利要求1所述的方法，其特征在于：所述归一化使用mapminmax()函数，利用概率统计的原理将样本数据中的参数都限制到[0,1]之间。

3.根据权利要求2所述的方法，其特征在于：在延拓的过程中，需要遵循两个原则：(1)导叶开度为0时，无论转速为多大，水轮机流量均为0，据此可构造出导叶开度为0时的边界条件，水轮机在飞逸转速下的流量特性也应考虑在内；(2)水轮机在飞逸时的输出力矩为0，还要考虑水轮机在0开度下的力矩边界条件。

4.根据权利要求3所述的方法，其特征在于：在步骤3中，水泵水轮机参数的变化表达方程式如下：

其中，Q₁₁为水泵水轮机的单位流量，M₁₁为单位转矩，α为导叶开度，n₁₁为单位转速；单位流量和单位转矩都是由导叶开度和单位转速形成的函数，因此，所要建立的网络是一个双输入、单输出，由多个神经元组成的三层BP神经网络，流量特性曲线和转矩特性曲线的隐含层节点数相同，从而得到了理想的网络。

5.根据权利要求4所述的方法，其特征在于：在步骤3中，完成对水泵水轮机全特性非线性关系的逼近，从而将训练后得到的数据绘制成空间曲面，具体为：

(1)网络的建立；feedforwardnet函数用于创建BP网络，调用格式为feedforwardnet(hiddenSizes,trainFcn)，其中hiddenSizes为隐含层节点数，trainFcn为训练函数，默认为trainlm，流量特性曲线和转矩特性曲线都使用BP网络，隐含层节点数均设定为50，创建函数如下：

net1＝feedforwardnet(50)；

net2＝feedforwardnet(50)；

(2)网络的训练；在BP神经网络中使用trainlm函数作为训练函数，步骤(1)中创建网络时已经默认使用trainlm函数，此处只需输入样本进行训练即可，处理后的样本数据分别存储在矩阵N、Q和M中，其中矩阵N为包含归一化后导叶开度和单位转速的二维数组，Q为归一化后的单位流量，M为归一化后的单位转矩；

(3)网络的仿真；完成网络的建立和训练之后，即可对建立的网络进行仿真，仿真调用函数为y＝sim(net,x)，其中输入x为二维数组，即导叶开度和单位转速的组合，输出y为一维的流量或转矩。