摘要
本发明提供的一种超临界二氧化碳压缩机叶片角分布改进优化方法、系统及相关装置,包括以下步骤:步骤1,构建指定维度的样本空间;步骤2,采用平移传播算法从样本空间中选取均匀分布的拉丁超立方采样结果;步骤3,根据选取得到的拉丁超立方采样结果训练构建的前馈反向传播神经网络模型,得到训练后的前馈反向传播神经网络模型;步骤4,采用快速非支配排序遗传算法求解训练后的前馈反向传播神经网络模型,得到最优叶片角分布;该方法能够在不依赖大量压缩机模化设计样本经验库的情况下,仅依赖少量先验即可得到在给定预优化参数空间中的最优叶片角分布设计。
技术关键词
超临界二氧化碳压缩机
拉丁超立方采样
神经网络模型
遗传算法求解
计算机可执行指令
分区
传播算法
种子
样本
排序算法
计算机程序产品
压缩机叶片
模块
层级
可读存储介质
训练集数据
电子设备
系统为您推荐了相关专利信息
质心计算方法
卷积神经网络模块
神经网络硬件
数据流控制模块
可编程逻辑单元
充电机器人
故障诊断方法
深度学习模型
指数
序列
缺陷识别方法
新能源材料
计算机视觉
异常信号
神经网络模型