[发明专利]基于LSSVM及自适应递推的磨煤机一次风量软测量系统

权利要求书

1.一种基于LSSVM及自适应递推的磨煤机一次风量软测量系统，其组成包括：软测量系统，其特征是：所述的软测量系统包括模型预测子系统，所述的模型预测子系统分别与前向学习性能检测子系统、后向学习模型更新子系统连接，所述的前向学习性能检测子系统与所述的后向学习模型更新子系统连接，所述的模型预测子系统包括辅助变量选取及数据预处理单元、LSSVM离线模型建立单元、磨煤机一次风量预测单元；所述的前向学习性能检测子系统包括FLOO-CV预报误差计算单元、关键样本节点判断单元；后向学习模型更新子系统包括冗余样本位置选取单元、滑动时间窗样本更新单元、核函数逆矩阵更新单元和LSSVM模型参数更新单元；

所述的辅助变量选取及数据预处理单元，根据磨煤机一次风系统的工艺流程，结合流量测量原理以及相关系数法，筛选辅助变量，构建训练样本集，并利用归一化法对训练样本数据进行基本量度单位同一化，采用相似度函数法对训练样本进行冗余处理，简化软测量模型；

所述的LSSVM离线模型建立单元，用于计算初始模型参数以及初始化滑动时间窗；

所述的磨煤机一次风量预测单元，采集实时辅助变量数据，利用LSSVM软测量模型实时在线预测磨煤机一次风流量；

所述的FLOO-CV预报误差计算单元，利用滑动时间窗的初始参数以及当前时刻样本数据，计算每个滑动窗样本的快速留一交叉验证FLOO-CV预报误差；

所述的关键样本节点判断单元，根据磨煤机一次风量预测值，计算出当前样本下的预测误差e以及总的预报误差，若，则此刻的样本数据为关键样本节点，其中m为滑动时间窗大小；

所述的冗余样本位置选取单元，用于从滑动时间窗样本下的预报误差，找出最小样本所在位置k，其中；

所述的滑动时间窗样本更新单元，删除FLOO-CV预报误差最小的窗内样本，并将关键样本节点纳入滑动时间窗的最前端，构建出新的滑动时间窗训练样本；

所述的核函数逆矩阵更新单元，计算出删除FLOO-CV预报误差最小的窗内样本后的核函数K的逆矩阵，用于前向学习中模型参数的更新；

所述的LSSVM模型参数更新单元，根据更新后的核函数K^-1，计算出新的模型参数λ与偏置量b，对模型进行在线实时自适应更新。

2.根据权利要求1所述的基于LSSVM及自适应递推的磨煤机一次风量软测量系统，其特征是：所述的辅助变量选取及数据预处理具体是：分析磨煤机一次风系统的工艺流程，结合流量测量原理以及相关系数法，筛选出8个辅助变量，分别为机组负荷、一次风机A电流、一次风机B电流、冷风调门开度、热风调门开度、瞬时给煤量、进口风压力、进口风温度，利用归一化法对训练样本数据进行基本量度单位同一化，采用相似度函数法对训练样本进行冗余处理，简化软测量模型。

3.根据权利要求2所述的基于LSSVM及自适应递推的磨煤机一次风量软测量系统，其特征是：所述的FLOO-CV预报误差计算具体是：，其中λ为滑动窗样本对应的模型参数，A为滑动时间窗样本对应的线性方程组系数矩阵。

4.根据权利要求2或3所述的基于LSSVM及自适应递推的磨煤机一次风量软测量系统，其特征是：所述的核函数逆矩阵更新具体是：计算删除FLOO-CV预报误差最小的窗内样本后的核函数K的逆矩阵，用于前向学习中模型参数的更新；

由于滑动窗中删除了一组数据，致使K的逆矩阵发生变化，根据矩阵计算，推导出删除前后K的逆矩阵之间的关系如下：

式中：分别表示删除前后K的逆矩阵相应位置的元素。