牛培峰， 王培坤， 李国强， 马云飞， 陈贵林， 张先臣

（1.燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛 066004；2.国家冷轧板带装备及工艺工程技术研究中心，河北秦皇岛 066004）

基于自由搜索算法和支持向量机的燃煤锅炉NOx建模与优化

牛培峰1，2， 王培坤1， 李国强1， 马云飞1， 陈贵林1，2， 张先臣1，2

（1.燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛 066004；2.国家冷轧板带装备及工艺工程技术研究中心，河北秦皇岛 066004）

利用支持向量机（SVM）建立锅炉NOx排放模型，采用自由搜索（FS）算法对支持向量机模型参数进行优化并对模型输入参数进行寻优。结果表明，FS-SVM模型能够较好地预测NOx排放，且模型精度较高。通过优化输入参数，NOx排放量有明显地降低，优化后的参数变化情况与有关文献中实验所得的结果一致。

计量学；NOx；支持向量机；自由搜索算法；建模；优化

1 引 言

氮氧化物（NOx）危害人体健康，引起各种呼吸道疾病，产生的酸雨和光化学烟雾可严重破坏大气环境。NOx绝大部分来自于石化燃料的燃烧，燃煤电站锅炉作为NOx的主要排放源之一，其排放量约占总排放量的40%［1］。由于锅炉炉内煤粉燃烧过程极其复杂，传统的物理和化学模型不能实时地预测燃烧过程中的输出。人工智能神经网络在燃煤锅炉NOx排放模型中得到了普遍地应用，取得了较好的预测效果［2，3］。然而，神经网络模型结构较为复杂，算法本质上为梯度下降法，这使得算法低效，还存在容易陷入局部极小值等缺点。

支持向量机（support vector machines，SVM）是由Vapnik最早提出的一种统计学习方法，具有坚实的理论基础和简单明了的数学模型［4］。……