Resumen

La mayoría de las maquinarias de bombeo tienen un problema para lograr una mayor eficiencia en un amplio rango de condiciones de operación. Para resolver ese problema, se ha diseñado una estrategia de optimización para ampliar el rango de alta eficiencia de la bomba centrífuga de doble succión en condiciones de flujo de diseño y no diseño. Por lo tanto, se diseña un esquema experimental ortogonal con los ángulos del buje y la corona del rodete como variables de decisión. Luego, se introduce la teoría de la casa de eficiencia para convertir los múltiples objetivos en un único objetivo de optimización. Se combina una red neuronal artificial (ANN) de retroalimentación en dos capas y el modelo Kriging basado en un modelo aproximado híbrido y se resuelve con inteligencia de enjambre para encontrar los parámetros globales óptimos que maximicen la eficiencia de la bomba. El rendimiento de la bomba se predice utilizando las ecuaciones de Navier-Stokes promediadas en Reynolds tridimensionales, que se valid

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Maquinarias de bombeo; Eficiencia; Estrategia de optimización; Bomba centrífuga de doble succión; Red neuronal artificial; Modelo de aproximación híbrida
• Keywords:Pumping machineries; Efficiency; Optimization strategy; Double-suction centrifugal pump; Artificial neural network; Hybrid approximation model