一种基于BP神经网络的甲烷的JWL状态方程参数标定方法技术

本发明专利技术提供一种基于BP神经网络的甲烷JWL参数标定方法，利用管道甲烷爆轰试验的超压数据替换其让试验的缸壁

【技术实现步骤摘要】
一种基于BP神经网络的甲烷的JWL状态方程参数标定方法


[0001]本专利技术属于对甲烷的JWL状态方程参数标定领域，具体涉及一种基于遗传算法对BP神经网络的优化确定甲烷的JWL状态方程参数方法。

技术介绍

[0002]煤炭是我国的主要能源，地下采煤经常会受到瓦斯等自然灾害的威胁，对矿工生命安全构成了极大威胁，由于矿井瓦斯事故不断发生，因此十分有必要对瓦斯爆炸过程进行相对应的研究。
[0003]瓦斯爆炸过程是一个具有化学反应的流动过程，爆炸过程相对复杂，在其数值模拟中，点火前的气体混合物一般被认为是可燃气体与空气的均相混合物；同时，认为在正常环境和稳态下的混合气体是理想气体，满足理想气体方程，可燃气体的爆炸过程属于单向不可逆反应；根据C
‑
J理论，确定了甲烷
‑
空气混合气体的爆炸参数，建立了适用于甲烷的JWL状态参数方程的计算方法；根据管道甲烷
‑
空气爆炸试验数据，通过数值模拟确定了甲烷爆轰产物的 JWL参数，数值模拟表明，在气体点火时刻发生爆轰。
[0004]一般JWL参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的甲烷JWL参数标定方法，利用管道甲烷爆轰试验的超压数据替换其让试验的缸壁
‑
位移时间数据，具体包括以下步骤:步骤S1：爆轰的理论推导，通过爆震波的Hugoniot方程、Rayleigh方程以及完全气体的内能表达式推导即可计算得到爆轰波参数；步骤S2：计算甲烷爆轰参数，根据甲烷与空气混合物爆炸反应方程求完全反应中甲烷的体积浓度，再依据Gass定律，求出此体积浓度的甲烷的爆炸参数；步骤S3：采用大约有73米长的管道进行甲烷爆轰试验，反复进行“参数—数值计算
‑
结果对比”循环，直到计算结果与试验数据接近位置，建立基于实验的数值模拟模型,简化模型，采用最优化方法确定甲烷JWL参数方程系数；步骤S4：构造仿真计算的模拟值与实测值之间的偏差函数；步骤S5：采用GABP神经网络拟合步骤S4所构造的偏差函数；步骤S6：采用遗传算法对BP神经网络进行优化后，隐层节点数为7，采用3
‑7‑
1三层结构；再利用数学分析软件MATLAB神经网络工具箱实现所述的GABP神经网络；步骤S7：将BP神经网络结合遗传算法得到的JWL参数代入管道爆炸仿真模型中验证，得出采用计算得到的JWL参数模拟甲烷爆轰是可行的结论。2.根据权利要求1所述的一种基于BP神经网络的甲烷JWL参数标定方法，其特征在于：所述步骤S1中爆轰的理论推导，通过爆震波的Hugoniot方程、Rayleigh方程以及完全气体的内能表达式等推导即可计算得到爆轰波参数具体为：将爆震波的Hugoniot方程和Rayleigh方程代入到完全气体的内能表达式，并将其简化得到单位体积爆炸性气体爆轰反应前气态炸药参数的P0和ρ0；再通过C
‑
J产物的状态方程求得混合气体的临界温度表达式，通过质量守恒方程可以得到爆轰波前的空气速度；根据公式求得C
‑
J爆轰产物的平均摩尔质量MJ、爆轰产物的比热比γ的表达式；最后通过上述所求表达式将其代入公式即可得到爆轰波的参数。3.根据权利要求1所述的一种基于BP神经网络的甲烷JWL参数标定方法，其特征在于：所述步骤S2中计算甲烷爆轰参数，根据甲烷与空气混合物爆炸反应方程求完全反应中甲烷的体积浓度，再依据Gass定律，求出此体积浓度的甲烷的爆炸参数具体为：已知空气中氧气的体积浓度为21％，氮气的体积浓度为79％，通过甲烷与空气混合物爆炸反应方程可得到完全反应中甲烷的体积浓度为9.5％，根据Gass定律，可得到甲烷
‑
空气混合气体的化学爆轰完全热，将步骤S1中推导的公式代入所述方法可计算出甲烷风量比为9.5％时的爆炸参数。4.根据权利要求1所述的一种基于BP神经网络的甲烷JWL参数标定方法，其特征在于：所述步骤S3中采用大约有73米长的管道进行甲烷爆轰试验，反复进行“参数—数值计算
‑
结果对比”循环，直到计算结果与试验数据接近位置；建立基于实验的数值模拟模型,简化模型，采用最优化方法确定甲烷JWL参数方程系数具体为：使用73米长的管道进行甲烷炮轰实验，为了简化模型，认为甲烷
‑
空气符合C
‑
J理论，并令初始压力为1
×
105Pa，采用CEL流固耦合算法(Abaqus)对模型进行求解，终点点火起爆时间定义为0ms，总计算时间为100ms，数据保存间隔为0.5ms；根据其对称性，采用四分之一模...

【专利技术属性】
技术研发人员：汪佳，乐毅，吴云志，董梦龙，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：