程 鑫,张卫超

(1.武汉理工大学 机电工程学院，湖北 武汉 430070;2.湖北省磁悬浮工程技术研究中心，湖北 武汉 430070)

离心式水泵在工业生产生活中有着广泛的应用，性能预测是水泵设计中的重要环节，通过多次性能预测和分析以检验设计的优劣，再有针对性地进行设计优化，不断提高水泵性能，最终达到设计要求。水泵的性能预测方法主要有3种：损失模型法、神经网络法和流场分析法[1-2]。

损失模型法是针对水泵内不同的损失建立不同的数学模型，最后根据基本方程预测离心泵设计工况下的性能特性。姬亚亚[3]针对单级单吸离心泵，综合叶轮水力损失、容积损失和机械损失建立水力损失模型，预测的扬程与试验扬程之间的误差在5%之内，但是对于效率和轴功率的预测还存在一定误差。损失模型法能全面考虑水泵内部不同结构引起的能量损失，在水泵的设计工况范围内能较准确预测性能，偏离设计工况的预测值偏差较大[4]。

神经网络法在泵的性能预测方面的应用技术研究较多。传统的神经网络算法泛化能力差、收敛性差，导致预测结果准确度不高。李君等[5]提出小波神经网络方法，针对轴流泵建立其数学模型，并通过试验对比证明了性能预测结果的准确性和稳定性。孔琳[6]提出了一种基于改进BP神经网络算法，提高了计算的收敛性，应用在离心泵的性能预测中有较高的准确度和预测效率。神经网络的建立需要选取大量优秀的模型作为训练样本，足够多的样本训练后才能得到误差范围内的预测结果。……