控制理论与应用

作者：杨鑫宇,吕政,赵珺,王伟

单位：大连理工大学 控制科学与工程学院,大连理工大学 控制科学与工程学院,大连理工大学 控制科学与工程学院,大连理工大学 控制科学与工程学院

关键词：离心式水泵; 迁移学习; 神经网络预测; 最小二乘归纳式迁移学习

基金：国家重点研发计划项目(2017YFA0700300), 国家自然科学基金项目(61522304, 61533005, 61703070)资助.

离心式水泵作为工业领域常见的抽水机械, 一直有着广泛的应用. 然而在其性能指标预测过程中, 理论模型难以达到高精度要求, 而机器学习模型难以应用于多工况环境. 本文提出了一个最小二乘归纳式迁移学习(LSITL)方法, 该方法利用离心式水泵扬程性能曲线特征, 通过最小二乘方式提取迁移知识, 并利用归纳法建立多工况下的迁移模型, 再通过最小二乘支持向量机(LSSVM)方法的反向求解实现对离心式水泵的性能预测. 本文通过与机理建模方法和传统机器学习方法的对比, 表明了本文中方法具有准确性高, 适用范围广的优势, 可以实际应用到离心式水泵性能指标的预测当中.

来源：2021年第5期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第5期