论文部分内容阅读
污垢普遍存在于自然界、日常生活和各种工农业生产过程中,涉及领域非常广阔。据调查表明,90%以上的换热设备都存在着不同程度的污垢问题。换热设备中的传热介质一般为冷却水,而冷却水水质不良是绝大部分换热设备存在污垢问题的主要原因。正因为污垢问题的普遍性及其巨大危害,因而日益受到各国学者的广泛关注。由于换热设备结垢是一个及其复杂的物理、化学过程,不仅受动量、能量和质量传递的综合作用的共同影响,加上多学科交叉带来的重重困难,使得换热设备污垢的研究难度大,传统的基于机理分析的预测研究模型离预期目标依然十分遥远,进展十分缓慢。M. E. Tipping提出了基于贝叶斯框架的非线性稀疏概率模型,并命名为相关向量机(Relevance Vector Machine-RVM)。相关向量机回归预测方法是在传统的核函数基础上,融入Bayesian推理框架,得到具有概率特性的预测值,具有较好的泛化能力。相关向量机在运行过程中引进超参数,实现自动估计多余参数,核函数不需要满足Merce条件,生成的相关向量的数目明显少,具有学习算法简单、易实现的特点,大大降低了计算的复杂度,提高了运算速度。本文归纳和总结了近年来换热设备污垢预测研究方法的国内外研究进展。在实验的基础上,分析各类参数对污垢热阻的影响,应用基于贝叶斯理论的相关向量机进行数据训练,对污垢热阻进行回归预测。在径向基核函数的基础上,还引入了小波核函数,小波框架和小波包变换,将其与相关向量机相结合,构成了小波相关向量机(WRVM)和小波包相关向量机(WPRVM)。仿真结果表明WRVM和WPRVM除了相关向量机的一切优点外,还能消除原始数据中的高频干扰,具备良好的抗噪能力。这为循环冷却水污垢问题又提供了一种新的研究方法。