基于SVM的鍋爐蓄熱系數(shù)軟測(cè)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(jī)等技術(shù)的軟測(cè)量建模方法應(yīng)運(yùn)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(zhǔn)確測(cè)量對(duì)提高鍋爐機(jī)組協(xié)調(diào)控制品質(zhì)具有重要意義?，F(xiàn)有測(cè)量鍋爐蓄熱系數(shù)的方法有機(jī)理方法和實(shí)驗(yàn)方法，但由于鍋爐結(jié)構(gòu)復(fù)雜性，在用機(jī)理方法建模時(shí)，對(duì)機(jī)理模型的某些環(huán)節(jié)只能根據(jù)經(jīng)驗(yàn)公式估計(jì)，使得誤差較大;同樣，用實(shí)驗(yàn)法

2、測(cè)試過程中，容易受機(jī)組參數(shù)變化的影響，測(cè)試精度不高，重復(fù)性差。于是，本文利用軟測(cè)量方法對(duì)鍋爐蓄熱系數(shù)進(jìn)行研究，在研究模型及對(duì)其實(shí)現(xiàn)過程當(dāng)中，重點(diǎn)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(shí)分析了輔助變量的數(shù)據(jù)處理方法。在研究支持向量機(jī)理論方法之后，本文針對(duì)浙江臺(tái)州電廠獲取的歷史數(shù)據(jù)，利用粒子群優(yōu)化算法對(duì)建模過程中的核函數(shù)和懲罰因子進(jìn)行選擇，并通過編程對(duì)歷史樣本數(shù)據(jù)進(jìn)行訓(xùn)練得到鍋爐蓄熱系數(shù)的軟測(cè)量模型，然后再利用訓(xùn)練得到的模型進(jìn)行鍋