买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国计量大学申请的专利一种改进型PSO-GA算法的离心泵透平性能预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115455821B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211109337.7，技术领域涉及：G06F30/27；该发明授权一种改进型PSO-GA算法的离心泵透平性能预测方法是由周佩剑;余文进;牟介刚;曾卫涛;李健;吴宇涵设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本一种改进型PSO-GA算法的离心泵透平性能预测方法在说明书摘要公布了：本发明公开了一种改进型PSO‑GA算法的离心泵透平性能预测方法，属于离心泵作透平性能预测领域。本发明首先构建BP神经网络，采用神经网络的均方误差的倒数作为优化算法的适应度函数。其次初始化C‑PSO‑GA混合优化算法初始种群，并对数据集进行归一化操作。然后采用C‑PSO‑GA混合优化算法对BP神经网络初始权重和阈值进行优化。最后采用训练集对优化后的BP神经网络进行训练，并在验证集中取一台随机泵进行验证。本发明进一步提高算法的运算效率，相对于现有的仿真方法使用更简便，计算周期短，并且可以精准预测离心泵透平性能。

本发明授权一种改进型PSO-GA算法的离心泵透平性能预测方法在权利要求书中公布了：1.一种改进型PSO‑GA算法的离心泵透平性能预测方法，其特征在于包括以下步骤： 步骤一：构建数据集，将数据集划分成训练集和验证集； 所述训练集包括多台离心泵在透平状态下的运行数据； 步骤二：构建BP神经网络，采用神经网络的均方误差的倒数作为优化算法的适应度函数； 步骤三：初始化C‑PSO‑GA混合优化算法初始化种群，对数据集进行归一化操作； 采用对反向学习的初始化种群策略进行种群初始化，其过程如下所示： 首先，采用均匀分布初始化随机种群，种群个体上限为b，下限为a； 其次，对应每一个种群个体矩阵，生成一个个体反向数字矩阵； 最后，依照次序，从初始化随机种群和反向数字矩阵中取出个体，使用适应度函数计算其适应度，选择适应度高的个体，放进最终的初始种群的对应位置中； 对数据集进行归一化操作，采用sin函数与min‑max归一化方法相结合的方式，其计算公式如下所示： 其中，y为所求归一化后的值，x为归一化前原数据值，max为原数据集最大值，min为原数据集最小值； 步骤四：采用C‑PSO‑GA混合优化算法，对BP神经网络初始权重和阈值进行优化； C‑PSO‑GA混合优化算法选取n个个体，每一个个体包括BP神经网络全部的初始权重和阈值，采用反向学习的初始化种群策略进行种群初始化；惯性权重w为自适应权重系数，计算如下： 其中，wk为第k代权重，n1值为0.6，n2值为0.3，ax_iter为最大迭代次数，k为迭代代数； 在每一次迭代中，种群中运算所得的最佳适应度值的个体位置信息，将被保存于全局最佳位置信息中，每一个个体自己运算所得的最佳适应度值的位置信息，将被保存于个体最佳位置信息中，位置与速度信息更新公式更新个体信息，具体更新公式如下： 其中，i为第i个个体，为第k代第i个个体当前速度信息，w为惯性权重，c1和c2分别为个体学习因子和群体学习因子，r1和r2为[0,1]内的随机数，为第k代第i个个体最优位置信息，gk为第k代群体最优位置信息，为第k代第i个个体当前位置信息； 采用保留精英的交叉策略进行交叉操作，其过程如下： 在一次迭代完成后，随机选择其中几组个体与种群最佳位置进行交叉操作，获得子代个体，将父代个体与子代个体进行混合后代入适应度函数进行计算，并计算其R2值以进行评估，选取其中适应度函数值较大的个体作为精英个体放入下一代种群中；交叉公式如下所示： 其中，L为交叉因子，m为自适应交叉系数； 步骤五：采用训练集对优化后的BP神经网络进行训练，并在验证集中取一台随机泵的样本进行验证。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。