Тема выпускной работы: «Оптимизация шнекоцентробежной ступени конденсатного насоса с использованием нейронных сетей». Данная работа посвящена вопросам разработки метамоделей центробежных насосов с предвключенным осевым колесом на основе нейронных сетей. Основной целью работы является создание метамодели и оптимизация проточной части шнекоцентробежной ступени насоса на основе метамодели. В ходе исследования решались следующие задачи: 1. Параметризация проточной части шнекоцентробежной ступени и со-здание базы данных вариантов геометрий проточной части и их ха-рактеристик путем численного моделирования вариантов. 2. Создание метамодели на основе полиномиальной регрессии. 3. Исследование влияние параметров архитектуры полносвязной нейронной сети прямого распространения на точность прогнозирования параметров. 4. Создание метамодели на основе нейросети. 5. Оптимизация проточной части на основе разработанной метамодели и оценка полученных результатов. Объектом исследования является центробежная ступень с предвключенным осевым колесом конденсатного насоса. Предметом исследования является изучение эффективности применения нейронных сетей для создания мета-моделей гидравлических лопастных машин. В работе использован язык программирования Python для создания нейронных сетей. Моделирование рабочего процесса центробежного насоса выполняется численным методом конечных элементов в программном пакете ANSYS.

The theme of the graduate work: "Optimization of the centrifugal stage with an inducer of a condensate pump using neural networks". This work is devoted to the development of metamodels of centrifugal pumps with the inducer based on neural networks. The main purpose of this work is to create a metamodel and optimize the flow part of a centrifugal pump stage with the inducer based on a metamodel. During the research the following tasks were solved: 1. Parameterization of flow part of the centrifugal pump stage with the inducer and creation of a data base of flow part geometry variants and their characteristics by means of variants numerical modeling. 2. Creation of a metamodel based on polynomial regression. Research of influence of parameters of architecture of a full mesh neural network of forward propagation on the accuracy of parameters forecasting. 4. Creation of metamodel based on a neural network. 5. Optimization of a flow part based on the developed metamodel and an estimation of the received results. The object of research is a centrifugal stage with the inducer of a condensate pump. The subject of the research is the study of the effectiveness of neural networks for creating metamodels of hydraulic blade machines. In work the programming language Python for creation of neural networks is used. Modeling of centrifugal pump working process is made by numerical method of finite elements in ANSYS software package.