基于数字孪生技术的往复式空气压缩机效率预测方法研究

通过建立往复式空气压缩机数字孪生体模型,实现压缩机效率预测和参数寻优的方法,具有灵活、成本低、通用性好的优势.但是在多变量条件下,传统的基于BP神经网络孪生模型训练时间长、工作量大,寻优过程易陷入局部最优解,不易实现全局最优.针对传统孪生体模型存在的问题,提出了基于CIWOA-BPNN算法的孪生体模型构建方法,通过主成分分析法确定孪生体模型关键指标,在BPNN模型基础之上引入改进的鲸鱼优化算法.研究表明,基于CIWOA-BPNN算法的孪生体模型有效避免了BPNN模型陷入局部最优解.用CIWOA-BPNN算法预测压缩机效率相对误差小于0.6%,决定系数为0.99775,与传统模型相比大幅提升了预测精度.