泵站管道混沌振动短期预测分析

• 作者: 张建伟 张翌娜 王立彬 程梦然
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 泵站管道 振动响应 短期混沌预测 Volterra级数 RBF神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 水利水电工程
• 页码范围: 80-84
• 页数: 5页
• 分类号: TV31
• 语种: 中文

摘要

为探索泵站管道混沌程度对短期预测精度的影响规律,确定适用于泵站管道混沌振动的短期预测方法,以某灌区泵站管道振动响应为例,采用Volterra级数和径向基(RBF)神经网络两种预测方法,建立了管道振动短期混沌预测模型.首先以典型混沌系统Lorenz x分量为算例验证两种方法在混沌预测领域的有效性;其次,选取受机组运行及流态突变影响的振动响应,分别建立混沌短期预测模型并分析不同工况下的预测精度;最终综合对比两种方法的预测精度.结果 表明,针对泵站管道振动响应,RBF神经网络和Volterra级数预测模型均有较好的预测效果;振动响应混沌程度越高,预测精度越低,且混沌程度越高可有效预测的时间序列越短;对于混沌程度较高的时间序列,Volterra级数预测有相对更低的平均相对误差、均方根误差,预测误差相对RBF神经网络更小,具有更高的预测精度.