基于NARX神经网络的试车台压缩机模型辨识方法研究

针对试车台供气抽气系统压缩机工作范围广、动态特性预测困难的问题,提出了基于NARX神经网络的试车台压缩机模型辨识方法。在对供气抽气系统结构和运行原理分析的基础上,将压缩机及调节阀作为整体进行建模,研究系统各参数变化对压缩机流量的影响机制。为改善NARX神经网络的辨识精度,引入Gamma Test方法确定网络的最佳时延阶次。基于所建立的神经网络模型,预测了试车台供气、抽气压缩机多工况切换过程的实时流量,最大相对误差分别为0.53%和0.59%。研究所提出的方法可准确反映试车台压缩机流量的动态特性,为实现试车台高精度流量控制提供了技术基础。