基于BPNN-GA的侧向进水泵站前池整流斜板参数优化

[目的]改善侧向进水泵站前池内的水流流态和水泵进水条件。[方法]采用计算流体动力学(CFD)和BPNN-GA(Back Propagation Neural Network-Genetic Algorithm)算法,对泵站前池的整流斜板结构设计参数进行优化。通过引入基于轴向流速分布均匀度和速度加权平均角的综合评价指标F,使用遗传算法优化BPNN模型,以获取最优整流斜板结构设计参数。[结果]通过BPNN-GA算法优化的整流斜板可有效改善进水流道内的水流流态,轴向流速分布均匀度以及速度加权平均角得到较大提高,前池内部漩涡范围明显缩小,综合评价指标F下降了6.31。[结论]因此,BPNN-GA算法可以高效地选择出整流斜板最优结构设计参数,可改善侧向进水泵站前池内不良流态。

基于BPNN-GA的泵站前池整流底坎参数优化

为了减少泵站进水结构内的不良流态,提高泵组运行效率,该研究基于计算流体动力学以及BPNN-GA(back propagation neural network-genetic algorithm)算法对泵站前池内底坎的结构设计参数进行优化。为便于计算遗传算法的适应度,在轴向流速分布均匀度和速度加权平均角基础上提出了前池水流流态的综合评价指标F。以综合评价指标F为目标参量,通过遗传算法优化训练好的BPNN模型,得出最优底坎结构设计参数,并同正交试验设计的最优方案的数值模拟结构对比分析。研究结果表明,在1、2、4号水泵机组运行情况下,相比于正交试验设计的最优方案泵站前池水流流态,1号水泵进水流道的轴向流速分布均匀度提高了16.58个百分点,速度加权平均角增加了4.66°;2号水泵进水流道的轴向流速分布均匀度提高了0.49个百分点,速度加权平均角下降了2.81°;4号水泵进水流道的轴向流速分布均匀度提高了8个百分点,速度加权平均角增加了7.81°,综合评价指标F为1.16,表明前池流态得到较大幅度的提高。基于BPNN-GA算法对泵站前池整流底坎参数进行优化,克服传统方法陷入局部最优的缺陷,可在满足设计要求的范围内选出当轴向流速分布均匀度和速度加权平均角最优时的底坎设计参数,为计算智能在泵站优化水力设计方面提供参考。

基于无人机多光谱遥感的水稻冠层SPAD值反演

为研究水稻叶片叶绿素相对含量(SPAD)在3种水分处理和5种施氮处理下的变化规律,探讨无人机多光谱遥感技术反演水稻SPAD的可行性,本研究利用大疆精灵4多光谱无人机,采集了水稻拔节孕穗期、抽穗开花期和乳熟期的冠层多光谱遥感影像,并同步测定水稻SPAD值,基于25个光谱变量(5个波段反射率和20个植被指数),采用多元线性逐步回归、岭回归和套索回归3种方法构建了水稻SPAD的反演模型。结果表明:水稻3个生育期的SPAD最佳反演模型均是采用套索回归方法构建的,其中乳熟期建立的SPAD最佳反演模型在3个生育期中的反演精度最高,决定系数为0.782,均方根误差为1.2177,相对误差为6.6113%。因此,该研究可对水稻叶片SPAD进行遥感监测,并为水稻精准灌溉和施肥提供科学依据和数据支撑。

离心泵出口液控阀门的故障监测方法研究

在泵站“无人值班、少人值守”管理模式下,目前尚缺乏对水泵出口液控阀门故障的监测。以某引黄灌区泵站为例,研究提出了一种离心泵出口液控阀门故障的监测方法。经泵系统水锤计算可得到设定的测压点压力变化过程,与试验结果比较,两者基本接近,表明数值计算结果比较可靠。基于泵系统水锤计算,可以分别得到泵出口液控阀门按确定的关闭规律关闭、水泵正常停机时泵站最大净扬程工况和最小净扬程工况下出水管上设定测压点的压力变化过程,计算泵站最大净扬程工况与最小净扬程工况的测压点压力差的平方和,可得到泵出口阀门故障的监测指标值ε。当某台水泵正常停机时,泵站计算机监控系统可以实测到泵出水管上设定测压点的压力变化过程,将泵站最大净扬程工况水锤计算的测压点压力与之相减,可得到计算时段内不同时刻两者压差的平方和E。如果E大于ε,则可以判断泵出口液控阀门没有按照水锤计算时采用的关闭规律进行操作,从而表明泵出口液控阀门存在故障。经实际工程应用验证,本文提出的离心泵出口液控阀门故障监测方法是行之有效的。