柱塞泵毕业设计外文文献翻译.doc

利用神经网络预测轴向柱塞泵的性能 Mansour A Karkouba, Osama E Gada, Mahmoud G Rabieb a--就读于科威特的科威特大学工程与石油学院 b--就读于埃及开罗的军事科技大学 摘要 本文推导了应用于轴向柱塞泵（斜轴式）的神经网络模型。该模型采用的数据是由一个实验装置获得的。这个正在进行的研究的目的是降低柱塞泵在高压下工作时的能量损耗。然而，在最初我们要做一些研究来预测当前所设计的泵的响应。神经网络模型具有前反馈的结构，并在测验过程中使用Levenberg-Marquardt优化技术。该模型能够准确地预测柱塞泵的动态响应。 简介 可变排量轴向柱塞泵是在流体动力系统中经常要用到的重要设备，如液压动力供应控制和静液压传动驱动器的控制。本装置具有变量机制和功率-重量比特性，使其最适合于高功率电平的控制。所设计的这种轴向柱塞泵拥有可靠性和简便的特点，然而其最重要的特征是可以变量输出。 人们在轴向柱塞泵领域已经做了很多研究，但是本文将只论述一下少数几人所做的贡献。 Kaliafetis和Costopoulos[5]用调压器研究了轴向柱塞变量泵的静态和动态特性。所提出的模型的精确度依赖于制造商提供的动态运行曲线等数据。他们得出结论，运行条件对泵的动态行为是非常关键的，而泵的动态行为可以通过减小压力设定值进行改善。Harris等人[4]模拟和测量了轴向柱塞泵的缸体压力和进油流量脉动。Kiyoshi和Masakasu[7]研究了斜盘式变量输送的轴向柱塞泵在运行时刻的实验上和理论上的静态和动态特性。并提出了一种新的方法来预测泵在运行过程中的响应。也对研究泵特性的新方法的有效性进行了实验验证，实验中使用了一个有宽、短而深的凹槽的配流盘。Edge和Darling[2]研究了液压轴向柱塞泵的缸体压力和流量。这个得出的模型经过了实验检验。对于配流盘、缸体上设计的退刀槽和泵的流量脉动对泵特性的影响都进行了验证。 人们已证实了一种可替代的建模技术——神经网络（NN）能取得良好的效果，特别是对于高度非线性的系统。这种技术是模仿人脑获取信息的功能。Karkoub和Elkamel[6]用神经网络模型预测了一个长方形的气压轴承的压力分布。所设计的这种模型在预测压力分布和承载能力方面比其他可用的工具更加精确。Gharbi等人[3]利用神经网络预测了突破采油。其表现远远优于常见的回归模型或有限差分法。李等人[8]用神经网络模型NNS和鲍威尔优化技术对单链路和双链路的倒立摆进行了建模和控制。研究者们取得了理想的结果。Panda等人[9]应用NNS在普拉德霍湾油田对流体接触进行了建模。所得到的模型预测的目标油井中的流量分配比传统的以回归为基础的技术更准确。Aoyama等人[1]已经推导出一个神经网络模型来预测非最小相系统的响应。所开发出的的模型被应用于Van de Vuss反应器和连续搅拌式生物反应器，所得到的结果是令人满意的。 本文研究利用神经网络解决轴向柱塞泵（斜轴式）在一定的供油压力下的建模。本文首先会描述用于收集实验数据的实验装置，然后将会简要介绍神经网络建模程序。 实验装置 实验数据是从这个将在本节中进行讨论的实验装置上得到的。该装置的主要组成部分是轴向柱塞泵。在下面的章节中，我们将描述泵的工作原理，然后描述如何收集实验数据。 2.1、斜轴式轴向柱塞泵 示意图2显示出了在实验中使用的轴向柱塞泵的基本组件，而此泵的控制单元如图3所示。该泵由两个主要部分组成。第一部分是旋转组，其中包括驱动轴（31）、柱塞（32）、缸体（33）和配流盘（34）。七个柱塞安装在一个位于前表面的球形组件上，并且他们同时动作使缸体旋转。缸体通过弹簧（35）推压控制区域的配流盘。在运行过程中，带有柱塞的配流盘和缸体可以在一个球形的滑动表面（36）上移动。配流盘采用了在进油口和出油口的前缘和后缘都带有半圆形凹槽的双向配流盘。第二部分是泵的控制部分，其中包含了控制柱塞（37）、控制元件（38、39和40）、调节弹簧（41）和控制弹簧（42）和（43）。两个主要部分是用调节销（44）连接在一起的。体积为V的泵出口腔与体积为V1和V2的控制腔通过孔（45）和（46）分别连通。控制柱塞连通开口孔（47）、该开口孔的大小是由活塞（40）（参照图2和图3）控制的。 当操作压力P超过了弹簧（41）的预设值，控制元件（38、39和40）就会推压弹簧。与此同时，液压油通过节流孔（45）和（46）从泵的出口流出。在体积为V1的腔体内的高压油就从开口孔（47）流到了控制柱塞（37）的大端面上。如果作用在控制柱塞上的压力大于弹簧力，控制柱塞（37）就会移动，直到液压力和机械力恢复平衡。缸体、柱塞和配流盘在球形滑动表面（36）以相反的方向移动，以减少旋