专利交易市场

本发明公开了一种模型自选择的往复式混输泵排出流率预测方法，它包括以下步骤：(1)确定预测模型的输入和输出变量，收集建模样本；(2)建立往复式混输泵排出流率的局部GPR模型；(3)建立往复式混输泵排出流率的加权GPR模型；(4)建立往复式混输泵排出流率的即时GPR模型；(5)基于预测概率信息，自动为每个新的输入样本点选择合适的预测模型；(6)重复步骤(2)至(5)，可从局部GPR、加权GPR和即时GPR模型中，为新的工况下每个输入样本点找到最合适的预测模型，继而得出新的工况下，往复式混输泵的排出流率曲线，本发明基于有限建模样本，实现对混输工况下往复式混输泵排出流率的建模和预测，在工程上容易实施、准确性高。

本发明公开了一种往复式混输泵排出流率的混合建模与预测方法。它包括以下步骤：(1)建立频变油气混输工况下，往复式混输泵一个泵腔排出流率高斯过程回归GPR经验模型；(2)建立泵腔排出流率曲线的阶段识别方法；(3)基于过程特性信息，分阶段对GPR预测结果进行优化；(4)基于全局和加权GPR组合模型，对方差变化较大阶段的预测结果进行优化；(5)合并步骤(3)和(4)的结果，得到泵腔的排出流率曲线；(6)利用往复式泵各个泵腔的流率表达式，分段加和得到泵的总排出流率，实现对一个输入样本集的在线预测。本发明提出的集成GPR预测不确定度和过程特性信息分阶段混合建模方法，可实现对混输工况下往复式混输泵排出流率的建模和预测。

本发明公开了一种往复式混输泵流率的主动建模与预测方法，包括以下步骤：1)确定模型输入和输出变量，收集M种典型工况的少量样本集S，得到M个样本子集；2)基于局部GPR提供的预测不确定度信息的变化，对上述每个样本子集单独进行学习训练；(3)基于M个已完成学习过程的训练样本集，建立往复式混输泵流率的全局GPR模型，并对新工况下每个样本点进行预测，获得新工况下的流率曲线。本发明通过采用上述技术，实现对混输工况下往复式混输泵流率的建模和预测。相比CFD建模过程对设计者经验水平的依赖性，及数据驱动经验模型从大量实验数据中获取有用动态信息的传统方法，该方法提供了一种适合少量建模样本，且工程上容易实施的方法。