一种基于变学习率的BP人工神经网络的喷射器性能参数预测方法

一种基于变学习率的BP人工神经网络的喷射器性能参数预测方法，具体步骤如下：

1. 收集喷射器参数：针对给定的喷射器，收集以下参数：引射流体压力（Pe）、工作流体压力（Pp）、出口背压（Pc）和引射系数（ε）。

2. 确定神经网络结构：

   • 输入层神经元：2个
   • 输出层神经元：2个
   • 隐含层：1层
   • 隐含层神经元个数：5个
   • 输入：引射流体压力（Pe）和工作流体压力（Pp）
   • 输出：出口背压（Pc）和引射系数（ε）

3. 训练与测试变学习率的BP神经网络。

4. 采集喷射器实测数据（引射流体压力Pe、工作流体压力Pp），将其输入至已建立的变学习率的BP神经网络中，得到输出向量（出口背压Pc和引射系数ε），从而获得预测值。

该方法具有精度高、效果显著、耗时短的特点。

一种基于变学习率的BP人工神经网络的喷射器性能参数预测方法，包括以下步骤步骤一对于给定的喷射器收集参数，即引射流体压力Pe、工作流体压力Pp、出口背压Pc和引射系数ε；步骤二确定神经网络结构输入层神经元为2个，输出层神经元为2个，隐含层数为一层，神经元个数为5，引射流体压力、工作流体压力为该神经网络的输入，出口背压、引射系数为该神经网络的输出；步骤三变学习率的BP神经网络的训练和测试；步骤四采集给定喷射器的实测数据(引射流体压力Pe、工作流体压力Pp)，输入到建立完成的变学习率的BP神经网络中，得到输出向量出口背压Pc和引射系数ε，得到预测值。本发明精度较高、效果较好、耗时较短。