潘红光，宋浩骞，苏 涛，马 彪

(1.西安科技大学 电气与控制工程学院，陕西 西安 710054；2.鄂尔多斯市神东工程设计有限公司，内蒙古 鄂尔多斯 017000)

0 引 言

煤炭作为中国的主要能源之一，煤炭质量分析在煤炭的开发、利用过程中发挥着不可或缺的作用[1]；而煤炭低位发热量是煤炭质量分析中最常用的评价指标[2]。因此，煤炭低位发热量的准确、快速测量已成为实际生产的迫切要求。对煤炭低位发热量的测量，常规方法为氧弹热量法，该方法需要取样离线分析，且操作复杂、分析周期长[3]。虽然工业应用中还有其他硬件测量方法，但普遍存在测量设备笨重、昂贵、费用大等缺点，且不能较好地了解煤炭低位发热量的影响因素。

相比较而言，软测量方法解决了硬件测量的经济性等问题，且具有简单、实用、反应迅速的特点。软测量的基本思想是在较为成熟的硬件传感器基础上获得数据，以计算机技术和算法为核心，利用相关变量建立模型对主导变量进行间接测量[4]。 软测量的建模方法有很多，一般可分为：机理建模、回归分析、状态估计、模式识别、人工神经网络、模糊推理、LSTM(long short term memory)网络、基于支持向量机(support vector machine，SVM)和基于核函数的方法等[5]。其中，SVM可以不依赖训练样本的数量和质量，即对小样本问题也能保证推广性，且具有严格的数学基础和理论推导、较强的逼近能力和泛化能力[6]。基于SVM软测量模型的经典研究有：YANG等基于支持向量机的软测量模型，实现了不同煤种燃烧产生NOx浓度的测量[7]；……