APP下载

改进LS-SVM的直吹式制粉出力软测量建模

2011-06-06冯磊华桂卫华杨锋

电机与控制学报 2011年11期
关键词:模型

冯磊华, 桂卫华, 杨锋

(1.中南大学信息科学与工程学院,湖南 长沙 410083;2.长沙理工大学“可再生能源电力技术”湖南省重点实验室,湖南 长沙,410114;3.湖南江河机电自动化工程有限公司,湖南 长沙 410013)

0 引言

目前,国内外大型火电机组较多采用直吹式制粉系统。由于双进双出钢球磨煤机的煤种适应性强、可靠性高等优点,使其较多的应用于我国南方大部分地区。双进双出钢球磨直吹式制粉系统是大滞后、多变量、强非线性系统,其制粉出力较难直接测量,且很难建立其精确的数学模型[1]。

近年来出现的支持向量机(support vector machine,SVM)是系统回归辨识的强有力工具[2],并且已有基于 SVM的非线性模型预测控制研究[3-5]。标准的支持向量机是一个有约束的二次规划问题,并且约束数目等于样本数量,导致训练消耗时间较长,不利于实现在线控制。为提高SVM的训练效率,Suykens改变了标准SVM的约束条件和风险函数,导出了最小二乘支持向量机(least squares support vector machine,LS - SVM)[6-7]。

LS-SVM的训练只要求解一个线性方程组,使SVM易于实现,并极大地提高了SVM的训练效率。但另一方面,在标准SVM中,只有部分训练数据作为支持向量,具有较好的“稀疏性”;而在LS-SVM中,几乎所有的训练数据作为支持向量,丧失了“稀疏性”[8]。在这种情况下,每一个样本数据都出现在回归模型中,使模型结构复杂,运算量增加。为解决该问题,Suykens率先提出了一种较为有效的LS-SVM稀疏化算法。

在火电厂制粉系统的工业过程中,从生产过程采集的样本数据都存在噪声等多种因素的干扰,在经过数据预处理后难免还有些样本不符合建模要求,这些坏样本对模型的影响很大。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用