1随着计算机技术的发展，神经网络技术的研究取得了巨大的成果，并得到了广泛的应用。神经网络是模仿和延伸人脑智能、思维和意识等功能的非线性自适应动力学系统，它所具有的学习算法能使其对事物和环境具有很强的自学习、自适应和自组织能力，它可以模仿人脑处理不完整的、不准确的、甚至处理非常模糊的信息，并能联想记忆，从部分信息中获得全部信息。本文应用神经网络技术快速而准确地解决了阀门设计过程中大量的非线性数据处理问题。
2分析
阀门设计过程中要用到大量非线性设计参数，例如在进行楔形弹性闸板厚度计算时，需要用到系数K 1、K 2、K 3和K 4等，它们需要从4个图、36条曲线中查取8个点，通过插值法确定4个值。
为K 1的曲线图。设计时需通过计算D/ 2 h值和D / d值查取K 1值，由于K 1值曲线的数量是有限的，如果计算出的D / 2h和D / d的值不在这几条曲线中，则需通过插值法求得，这样做效率和精度都相对较低。
3处理阀门设计参数的神经网络模型
神经网络的推理过程是一种典型的并行推理，速度很快，它只与网络自身的参数有关，其参数又可通过学习算法进行自适应训练。在工程设计中只要向它提供足够多的设计样本，经过训练后，设计知识就存在网络的互连结构中，大大减轻了知识收集和知识库建立的负担。根据实际需要，神经网络模型可以构建成任意层，它们均可划分为输入层、隐含层和输出层。输入层为输入参数的个数，输出层为所要得到的计算结果的参数个数，中间层可根据实际需要和经验值共同获取。本文以楔形弹性闸板为例加以说明。
（1）输入输出层设计在弹性闸板设计中，涉及到K 1、K 2、K 3和K 4等4个计算系数，这4个系数是由阀门公称直径D、闸板轴直径d及闸板厚度h三个参数转换成D / d、D/ 2h后由图中的曲线查找。据此，可以确定神经网络模型的输入结点数为2，输出层节点个数为1.
（ 2）隐含层节点数及选取隐含层节点数可根据经验和具体的试验获得比较理想的结点个数，本模型中确定为9.
（3）阀门弹性闸板设计参数计算的工作流程神经网络用于阀门弹性闸板设计参数计算的工作流程如所示。图中，将试验获得的输入计算参数D、d和h值输入至样本库中（），形成训练用样本集，由神经网络进行学习。通过学习，得到权值调整好的收敛的神经网络，这时可将新输入的D、d和h等参数送给网络进行识别，将识别出的结果由解释系统进行解释，后得到K的值。
1用于神经网络学习的部分样本及训练后的数据比较
4用MATLAB实现阀门设计参数计算
（ 1）问题描述从建立的样本库中，取180组样本，将这些数据分成几个部分，分别用于训练、确正和测试。将数据的1/ 4用于确证， 1/ 4用于测试，剩下的1/ 2用于训练网络，等间隔地在原始数据中抽取出这些数据。
其程序代码如下：
iitst= 4 4 Q；iival= 2 4 Q；iitr= < 1 4 Q； 3 4 Q> val P= p （ ， iival） ； val T= t （ ， iival） ；test P= p （ ， iitst） ； test T= t （ ， iitst） ；ptr= p （ ， iitr） ； ttr= t （ ， iitr） ；（ 2）建立网络在本问题中，使用一个两层的网络。在隐含层中使用传递函数tan- sigmoid，在输出层中使用一个线性传递函数。由前面的计算得隐含层中神经元单元为9个，输出层的神经元个数为1个。
net= newff （minmax （ ptr） ， <9， 1> ，{1tansig1 1purelin 1}，1trainlm1） ；（ 3）网络训练使用Levenberg- M arquardt算法训练网络。
< net， tr> = train （ net， ptr， ttr，< > ，val， test） ；
在利用tran函数对网络进行训练执行以上代码后，在MATLAB命令行中将实时地显示出网络的训练状态。
（ 4）网络输出输出的目标值为t o.to= sim （ net， p）训练结果满意后，将网络函数net保存到K 1net mat文件中。应用时，调入K 1net mat文件，输入D、d和h ，程序自动计算D/ d和D / 2h.
K 1= sim （ net， < D/ d； D/ 2/ h> ）5数据处理结果与分析
用于神经网络学习的部分样本（计算系数K 1的曲线数据）与训练后的数据比较结果如所示。
通过对原有数据和训练后的数据比较结果可以看出，将神经网络用于解决阀门设计中非线性数据处理是有效的。训练结果与原始数据的误差可以通过改变隐层结点的数目或通过增加训练样本集的数据等方法来减小。
6结语
通过实际计算结果表明，该基于BP神经网络的阀门楔式弹性闸板设计参数计算方法具有较强的学习能力和适应能力，提供的训练样本越多，则计算的准确性越高，相对于原有的查表法，该系统具有精度高，运算速度快等优点。这种模型和算法也适用于其他多参数非线性数据处理的工程设计中，因而具有一定的实用价值和推广价值。
QQ交流群
