基于深度学习的阀门电动执行机构设计参数优化方法

本发明公开了基于深度学习的阀门电动执行机构设计参数优化方法，该方法包括：通过有限元计算对不同设计参数下的阀门电动执行机构进行模拟分析，生成输出转速和行程时间的样本数据；基于样本数据构建深度学习模型，预测输出转速和行程时间；构建多目标优化模型，利用MOEA/D算法对输出转速和行程时间进行优化，获得Pareto最优解；并利用AHP‑熵权法确定各目标之间的权重系数，最后利用TOPSIS方法对Pareto最优解进行排序决策，获得最优方案。本发明基于深度学习通过多目标优化寻找输出转速和行程时间最优化的参数组合；有助于减小阀门关闭过程中水锤压力峰值，最大化系统的响应速度，提高阀门电动执行机构的性能。