杨金宝　倪福生　魏长赟　郑庆云

(1.河海大学机电工程学院　常州　213022)(2.疏浚教育部工程研究中心　常州　213022)



基于双隐含层BP神经网络的绞吸挖泥船产量预测*

杨金宝1,2倪福生1,2魏长赟1,2郑庆云1,2

(1.河海大学机电工程学院常州213022)(2.疏浚教育部工程研究中心常州213022)

摘要挖泥船的产量直接决定了工程效益,因此,产量的预测具有重要的意义。疏浚作业时绞吸挖泥船疏浚工况是非恒定的且产量计算极其复杂,故提出基于Levenberg Marquardt算法的双隐含层BP神经网络模型预测绞吸挖泥船产量。相对单隐含层而言,双隐含层BP神经网络则能改善网络的性能,从而提高模型预测精度。分别以绞刀电机电流、流速、吸入真空、横移速度作为输入因素,以泥浆浓度作为输出因素,建立产量预测模型。实验结果表明,双隐含层BP神经网络的预测结果更为精确,可为预测挖泥船产量提供有效的方法。

关键词绞吸挖泥船; 产量预测; BP神经网络; 双隐含层; Levenberg-Marquardt算法

Class NumberTH122

1引言

绞吸挖泥船是疏浚工程中使用数量最多的挖泥船,其产量直接决定了工程效益,因此,产量是评价挖泥船性能最重要的指标之一[1]。预测绞吸挖泥船产量对于提高施工效率有一定的帮助,可以有效地仿真疏浚过程,同时有利于疏浚过程中最优选择挖泥作业参数,实现挖泥船的优化控制。绞吸式挖泥船疏浚作业是一个多因素相互作用、相互影响的过程,产量与挖泥运转时间、流速和浓度有关,而由流速形成的流量,主要取决于泥泵功率的大小、泥浆提升高度及排泥管长度等因素,泥浆浓度主要与绞刀头性能、土质特性有关[2]。……