基于PSO-BP的调控型气体密封状态参数智能计算方法研究

调控型气体密封作为一种非接触密封,可以提高系统服役过程中运行的稳定性,但是目前密封状态参数的计算方法存在计算模型建立过程繁杂以及迭代计算耗时较长等缺点。本文采用了一种符合智能调控系统输出精度及时效性要求的粒子群算法(PSO)优化下的BP(Back Propagation)神经网络方法,开发了基于PSO-BP的调控型气体密封状态参数的智能调控程序。并且对神经网络模型初始阀值与权值进行取值优化,讨论了粒子群种群数量,隐含层数,神经元数等参数对智能计算程序的影响。搭建了基于PSO-BP的调控型气体密封试验验证系统,验证了密封状态参数智能计算程序的精确度。实现了调控型气体密封的智能调控,提高了调控型气体密封抗干扰能力,促进了大型离心压缩机向宽工况、高参数、高效率和智能化方向发展。

可调控型气体密封的调控性能及复合开启特性

为研究可调控型气体密封(R-DGS)的调控和开启性能,基于气体润滑理论,引入调控比参数,建立RDGS数值分析模型,并提出将平衡膜厚作为控制目标。采用有限单元方法求解雷诺方程,研究实际工况下调控比对密封性能参数的影响规律。根据开启临界气膜厚度的假设,提出用于分析R-DGS开启状态的判据——复合开启比。结果表明:主动调节调控比可使R-DGS性能参数维稳在一定参数范围内,但参数范围随工况改变而不同;泵入式气体密封(Pi-DGS)的调控性优于泵出式气体密封(Po-DGS),但Po-DGS比Pi-DGS更易于开启。通过试验验证理论分析方法的正确性,为R-DGS开启状态的判断提供一种方法。