[发明专利]基于CPSO-LSSVM的汽动引风机全工况在线监测模型建模方法

摘要

本发明公开了一种基于CPSO-LSSVM的汽动引风机全工况在线监测模型建模方法，包括如下步骤：首先对来自风机厂家的设计数据进行分析处理，选取实际工况点作为训练数据；利用混沌粒子群算法进行建模参数的寻优、支持最小二乘支持向量机建模得到静态模型；结合转速变量，在已有静态模型的基础上训练得到汽动引风机的全工况模型；将所建立的全工况模型结合网页编程技术以在线网站的形式发布，以实现引风机工作点的在线确定；最后结合SIS系统获得的风机实际运行数据对所建模型进行实时在线修正。利用本方法得到的模型可以准确地反映汽动引风机的全工况运行特性，并实现在线修正，保证风机特性发生变化后仍能正确运行，为实际运行提供指导。

主权项

一种基于CPSO‑LSSVM的汽动引风机全工况在线监测模型建模方法，其特征在于，包括如下步骤：(一)数据处理；对风机厂家给出的设计数据进行整理计算，选取足量的可以确定汽动引风机特性曲线的数据，整理得出下列参数，比压Y、容积流量Q、叶片角度β和风机转速n，其中比压Y为流体全压p与流体密度ρ的比值，即Y=p/ρ；在所有设计数据中选取适量作为训练数据用于建模，所有设计数据都用来测试模型准确度；(二)最小二乘支持向量机训练建模；叶片角度β和比压Y作为训练模型的输入，容积流量Q作为训练模型的输出，利用混沌粒子群算法，建立关于最小二乘支持向量机建模参数γ与σ²的寻优粒子群，利用训练数据的叶片角度β和比压Y以及粒子群个体γ与σ²参数进行试验建模，以模型输出容积流量Q与实际输出容积流量Qm的误差最小为目标，反复迭代优化粒子群结构，得到最优支持向量机模型，利用测试数据检测模型精度，得到精度符合标准的Q=f(Y，β)静态模型；(三)重新训练模型；在Q=f(Y，β)静态模型的基础上，增加变量风机转速n，得到Q=f(Y，β，n)的全工况模型；(四)发布模型；利用训练得到的全工况模型Q=f(Y，β，n)，结合ASP.NET网页编程技术，将所建模型以可视化网站的形式发布，在线确定汽动引风机工作点；(五)修正模型；将步骤(四)所得汽动引风机工况点数据与SIS系统采集实际运行数据相比较，若存在较大误差，则用实际运行数据代替设计数据，按照上述步骤一至步骤四重新建立模型。