论文部分内容阅读
分析温度在差压法气密性检测中对检测准确度的影响及影响温度变化的因素,提出建立Elman网络,利用气密性检测平台在不同实验参数条件下得到的试验样本来训练网络。将训练好的神经网络用来预测气密性检测中待测密闭容器内的温度,并将预测得到的温度应用到气密性检测判断中。通过与应用较为广泛的BP网络和实际泄漏流量值比较可得,Elman网络进行41次训练后就达到预设目标,而且预测准确度更高。经过温度补偿后的泄漏流量值为12.67 m L/min(实际值为13 m L/min),相对误差为2.52%,极大地提高气密性检测的