机电工程
機電工程
궤전공정
MECHANICAL & ELECTRICAL ENGINEERING MAGAZINE
2013年
1期
93-97,110
,共6页
陈凯亮%陈坚红%盛德仁%李蔚
陳凱亮%陳堅紅%盛德仁%李蔚
진개량%진견홍%성덕인%리위
发电机组%数据驱动%软测量建模%广义神经网络%偏最小二乘回归%NN-PLS
髮電機組%數據驅動%軟測量建模%廣義神經網絡%偏最小二乘迴歸%NN-PLS
발전궤조%수거구동%연측량건모%엄의신경망락%편최소이승회귀%NN-PLS
针对发电机组中部分难测准参数的软测量及已测量参数的准确性校验等应用问题,提出了融合广义神经网络(GRNN)和B样条偏最小二乘回归(PLSR)各自优势的数据驱动软测量建模新方法NN-PLS.该方法先采用了GRNN对由机理分析初步选定的建模变量预建模,考察了各参变量对因变量的平均贡献率,并筛选得出了主要建模参数,然后采用B样条PLS对筛选后的变量建模,从而得出了简化、可靠的模型,最后以联合循环电厂的实测数据为样本进行了建模.研究结果表明,NN-PLS方法对不同工况下测量参数拟合准确、精度高、模型泛化能力强,同时由于该模型需要保存的参数相对较少,更适合作为解决上述在线问题的模型.
針對髮電機組中部分難測準參數的軟測量及已測量參數的準確性校驗等應用問題,提齣瞭融閤廣義神經網絡(GRNN)和B樣條偏最小二乘迴歸(PLSR)各自優勢的數據驅動軟測量建模新方法NN-PLS.該方法先採用瞭GRNN對由機理分析初步選定的建模變量預建模,攷察瞭各參變量對因變量的平均貢獻率,併篩選得齣瞭主要建模參數,然後採用B樣條PLS對篩選後的變量建模,從而得齣瞭簡化、可靠的模型,最後以聯閤循環電廠的實測數據為樣本進行瞭建模.研究結果錶明,NN-PLS方法對不同工況下測量參數擬閤準確、精度高、模型汎化能力彊,同時由于該模型需要保存的參數相對較少,更適閤作為解決上述在線問題的模型.
침대발전궤조중부분난측준삼수적연측량급이측량삼수적준학성교험등응용문제,제출료융합엄의신경망락(GRNN)화B양조편최소이승회귀(PLSR)각자우세적수거구동연측량건모신방법NN-PLS.해방법선채용료GRNN대유궤리분석초보선정적건모변량예건모,고찰료각삼변량대인변량적평균공헌솔,병사선득출료주요건모삼수,연후채용B양조PLS대사선후적변량건모,종이득출료간화、가고적모형,최후이연합순배전엄적실측수거위양본진행료건모.연구결과표명,NN-PLS방법대불동공황하측량삼수의합준학、정도고、모형범화능력강,동시유우해모형수요보존적삼수상대교소,경괄합작위해결상술재선문제적모형.
