基于SVM的鍋爐蓄熱系數(shù)軟測量方法研究.pdf

1、隨著工業(yè)過程和人工智能技術(shù)發(fā)展，基于神經(jīng)網(wǎng)絡(luò)、支持向量機等技術(shù)的軟測量建模方法應(yīng)運而生。在智能方法基礎(chǔ)上，還引入了一些優(yōu)化算法，例如，粒子群優(yōu)化算法，遺傳算法等，從而提高模型的精度。
　　 蓄熱系數(shù)表示鍋爐蓄熱能力大小，它的準確測量對提高鍋爐機組協(xié)調(diào)控制品質(zhì)具有重要意義。現(xiàn)有測量鍋爐蓄熱系數(shù)的方法有機理方法和實驗方法，但由于鍋爐結(jié)構(gòu)復雜性，在用機理方法建模時，對機理模型的某些環(huán)節(jié)只能根據(jù)經(jīng)驗公式估計，使得誤差較大;同樣，用實驗法

2、測試過程中，容易受機組參數(shù)變化的影響，測試精度不高，重復性差。于是，本文利用軟測量方法對鍋爐蓄熱系數(shù)進行研究，在研究模型及對其實現(xiàn)過程當中，重點研究了利用相關(guān)系數(shù)法和主元分析法選取輔助變量，同時分析了輔助變量的數(shù)據(jù)處理方法。在研究支持向量機理論方法之后，本文針對浙江臺州電廠獲取的歷史數(shù)據(jù)，利用粒子群優(yōu)化算法對建模過程中的核函數(shù)和懲罰因子進行選擇，并通過編程對歷史樣本數(shù)據(jù)進行訓練得到鍋爐蓄熱系數(shù)的軟測量模型，然后再利用訓練得到的模型進行鍋