〔1〕。近年來，循環(huán)冷卻水系統(tǒng)在各行各業(yè)中被廣泛使用，其帶來的節(jié)水效果明顯，一般補(bǔ)充水率可降至循環(huán)水量的5%以下。與此同時(shí)，循環(huán)冷卻水系統(tǒng)換熱器中的腐蝕現(xiàn)象成為一個(gè)重要的水質(zhì)故障。
前而所產(chǎn)生有的腐蝕現(xiàn)象是循環(huán)冷卻水系統(tǒng)中經(jīng)常出現(xiàn)的水質(zhì)故障，可嚴(yán)重影響生產(chǎn)裝置的正常運(yùn)行，造成嚴(yán)重的經(jīng)濟(jì)損失以及水資源的浪費(fèi)。冷卻水的水質(zhì)、溶解氧、溫度、流動狀態(tài)、濁度等對腐蝕均有影響。由于多種影響因素與腐蝕速率之間屬多元高次的非線性關(guān)系，利用常規(guī)的方法難以建立jq的數(shù)學(xué)模型。
人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、非線性模式識別、聯(lián)想存儲以及高速尋找優(yōu)化解的特點(diǎn)，在很多領(lǐng)域得到了應(yīng)用，并取得了良好的效果。NARX(nonlinear autoregressive models with exogenous inputs，非線性自回歸模型)是由靜態(tài)神經(jīng)元和網(wǎng)絡(luò)輸出反饋構(gòu)成的動態(tài)網(wǎng)絡(luò)，具備良好的動態(tài)特性和較高的抗干擾能力，使得NARX模型能夠用來逼近任意的非線性動態(tài)系統(tǒng)〔2, 3, 4, 5〕。
本研究采用NARX帶外部輸入的非線性自回歸神經(jīng)網(wǎng)絡(luò)建立了腐蝕速率的預(yù)測模型，實(shí)驗(yàn)結(jié)果表明，該方法在預(yù)測腐蝕速率上是可行的。
1 非線性自回歸神經(jīng)網(wǎng)絡(luò)(NARX)
一個(gè)典型的NARX神經(jīng)網(wǎng)絡(luò)主要由輸入層、隱含層、輸出層以及輸入和輸出延時(shí)構(gòu)成〔6, 7〕。NARX神經(jīng)網(wǎng)絡(luò)的模型表達(dá)式： y(t)=f〔y(t-1),y(t-2),…,y(t-ny),x(t-1),(t-2),…,x(t-nu)〕可以看出，下一個(gè)y(t)值大小取決于上一個(gè)y(t)和上一個(gè)x(t).NARX神經(jīng)網(wǎng)絡(luò)詳細(xì)結(jié)構(gòu)如圖 1 所示。
圖 1中，TDL表示時(shí)延;IW1，1表示網(wǎng)絡(luò)輸入向量連接隱含層的權(quán)值;b1表示網(wǎng)絡(luò)隱含層的閾值;b2表示網(wǎng)絡(luò)輸出層的閾值;LW1，3表示網(wǎng)絡(luò)輸出層連接隱含層的權(quán)值;f1表示神經(jīng)網(wǎng)絡(luò)隱含層jh函數(shù);LW2，1表示網(wǎng)絡(luò)隱含層連接輸出層的權(quán)值;f2表示神經(jīng)網(wǎng)絡(luò)輸出層jh函數(shù)。
2 腐蝕速率預(yù)測模型的建立
2.1 模型建立的研究思路與方法
選取影響腐蝕的水質(zhì)因素，通過構(gòu)造選擇相應(yīng)的NARX神經(jīng)網(wǎng)絡(luò)模型，建立NARX腐蝕速率預(yù)測模型，預(yù)測腐蝕速率的變化〔8, 9, 10〕。建模設(shè)計(jì)思路
2.2 NARX神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的選取
Parallel模式(閉環(huán)模式
由圖 3可知，NARX神經(jīng)網(wǎng)絡(luò)的輸出被反饋到輸入端。由于所建立模型中腐蝕速率的輸出是已知的，所以采用如圖 4所示的NARX神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即Series-Parallel神經(jīng)網(wǎng)絡(luò)模式(開環(huán)模式)，將腐蝕速率的期望輸出反饋到輸入端〔10, 11〕。
采用Series-Parallel神經(jīng)網(wǎng)絡(luò)模式(開環(huán)模式)能使NARX神經(jīng)網(wǎng)絡(luò)預(yù)測效果更加準(zhǔn)確，同時(shí)將NARX神經(jīng)網(wǎng)絡(luò)變?yōu)閱渭兊那跋蛏窠?jīng)網(wǎng)絡(luò)，可直接使用靜態(tài)神經(jīng)網(wǎng)絡(luò)的建模函數(shù)。
了解更多內(nèi)容請登錄：http://
