锅炉技术
鍋爐技術
과로기술
BOILER TECHNOLOGY
2011年
1期
9-13
,共5页
锅炉%飞灰含碳量%核主元分析%最近邻法%支持向量回归%软测量
鍋爐%飛灰含碳量%覈主元分析%最近鄰法%支持嚮量迴歸%軟測量
과로%비회함탄량%핵주원분석%최근린법%지지향량회귀%연측량
为降低飞灰含碳量,实现锅炉的优化运行,对其进行了软测量建模研究.在建模过程中,针对模型输入变量之间存在强耦合、非线性以及辅助变量选择难的问题,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据,生成新的综合辅助变量,并结合特征值碎石图及累积方差贡献率,对KPCA参数的选择提出了新的方法.为解决模型在线校正问题,提出了基于最近邻(NN)法和KKT条件的模型在线自校正新算法,以提高软测量的精度.在此基础上实现了核主元分析支持向量回归(KPCA-ε-SVR)模型,并与主成分分析支持向量回归(PCA-ε-SVR)和BP神经网络的飞灰含碳量软测量模型进行了对比研究,结果表明,KPCA-εSVR模型具有更高的精度与泛化能力,具有较高的工程应用价值.
為降低飛灰含碳量,實現鍋爐的優化運行,對其進行瞭軟測量建模研究.在建模過程中,針對模型輸入變量之間存在彊耦閤、非線性以及輔助變量選擇難的問題,採用覈主元分析(KPCA)提取變量的特徵信息以有效處理非線性數據,生成新的綜閤輔助變量,併結閤特徵值碎石圖及纍積方差貢獻率,對KPCA參數的選擇提齣瞭新的方法.為解決模型在線校正問題,提齣瞭基于最近鄰(NN)法和KKT條件的模型在線自校正新算法,以提高軟測量的精度.在此基礎上實現瞭覈主元分析支持嚮量迴歸(KPCA-ε-SVR)模型,併與主成分分析支持嚮量迴歸(PCA-ε-SVR)和BP神經網絡的飛灰含碳量軟測量模型進行瞭對比研究,結果錶明,KPCA-εSVR模型具有更高的精度與汎化能力,具有較高的工程應用價值.
위강저비회함탄량,실현과로적우화운행,대기진행료연측량건모연구.재건모과정중,침대모형수입변량지간존재강우합、비선성이급보조변량선택난적문제,채용핵주원분석(KPCA)제취변량적특정신식이유효처리비선성수거,생성신적종합보조변량,병결합특정치쇄석도급루적방차공헌솔,대KPCA삼수적선택제출료신적방법.위해결모형재선교정문제,제출료기우최근린(NN)법화KKT조건적모형재선자교정신산법,이제고연측량적정도.재차기출상실현료핵주원분석지지향량회귀(KPCA-ε-SVR)모형,병여주성분분석지지향량회귀(PCA-ε-SVR)화BP신경망락적비회함탄량연측량모형진행료대비연구,결과표명,KPCA-εSVR모형구유경고적정도여범화능력,구유교고적공정응용개치.
