论文部分内容阅读
随着工业过程和人工智能技术发展,基于神经网络、支持向量机等技术的软测量建模方法应运而生。在智能方法基础上,还引入了一些优化算法,例如,粒子群优化算法,遗传算法等,从而提高模型的精度。蓄热系数表示锅炉蓄热能力大小,它的准确测量对提高锅炉机组协调控制品质具有重要意义。现有测量锅炉蓄热系数的方法有机理方法和实验方法,但由于锅炉结构复杂性,在用机理方法建模时,对机理模型的某些环节只能根据经验公式估计,使得误差较大;同样,用实验法测试过程中,容易受机组参数变化的影响,测试精度不高,重复性差。于是,本文利用软测量方法对锅炉蓄热系数进行研究,在研究模型及对其实现过程当中,重点研究了利用相关系数法和主元分析法选取辅助变量,同时分析了辅助变量的数据处理方法。在研究支持向量机理论方法之后,本文针对浙江台州电厂获取的历史数据,利用粒子群优化算法对建模过程中的核函数和惩罚因子进行选择,并通过编程对历史样本数据进行训练得到锅炉蓄热系数的软测量模型,然后再利用训练得到的模型进行锅炉蓄热系数预测,实验结果得出预测结果更为精确,最后验证本文所建模型的可靠性。