基于PSO-SVM的離心式壓縮機(jī)轉(zhuǎn)速模型的研究-論文.pdf

《基于PSO-SVM的離心式壓縮機(jī)轉(zhuǎn)速模型的研究-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第13卷第2期寧夏工程技術(shù)V01．13No．22014年6月NingxiaEngineeringTechnologyJun．2014文章編號(hào)：1671—7244(2014)02—0174—04基于PSO—SVM的離心式壓縮機(jī)轉(zhuǎn)速模型的研究李雪潔，孫川川，劉大銘，翟小寧(1．寧夏大學(xué)物理電氣信息學(xué)院，寧夏銀川750021；2．中國(guó)石油寧夏石化公司，寧夏銀川750021)摘要：針對(duì)寧夏某石化公司離心式CO壓縮機(jī)透平轉(zhuǎn)速預(yù)測(cè)難以實(shí)現(xiàn)問(wèn)題，引入PSO—SVM回歸模型對(duì)離心式壓縮機(jī)透平轉(zhuǎn)速進(jìn)行預(yù)測(cè)．分析選取離心式壓縮機(jī)透

2、平轉(zhuǎn)速作為模型因變量，通過(guò)相關(guān)分析從采集量中選取高相關(guān)度預(yù)測(cè)因子，運(yùn)用粒子群算法選擇模型最優(yōu)參數(shù)，利用支持向量機(jī)的方法建立模型進(jìn)行預(yù)測(cè)．與傳統(tǒng)的SVM模型進(jìn)行對(duì)比，該模型得到了良好效果，能夠有效預(yù)測(cè)壓縮機(jī)透平轉(zhuǎn)速．關(guān)鍵詞：離心式壓縮機(jī)；支持向量機(jī)；回歸算法；粒子群中圖分類號(hào)：TH452：0235文獻(xiàn)標(biāo)志碼：A離心式壓縮機(jī)在機(jī)械、化工等領(lǐng)域作為重要設(shè)型對(duì)離心式壓縮機(jī)透平轉(zhuǎn)速進(jìn)行預(yù)測(cè)建模．備得到廣泛應(yīng)用，透平是帶動(dòng)壓縮機(jī)轉(zhuǎn)動(dòng)的關(guān)鍵部1支持向量機(jī)[8-1]分．喘振作為離心壓縮機(jī)的不穩(wěn)定特性之一，這種現(xiàn)象的產(chǎn)生會(huì)直接影

3、響到壓縮機(jī)轉(zhuǎn)速．在1976年，支持向量機(jī)(SVM，Suppo~VectorMachine)是由E．M．Greitzer首先建立了描述壓縮機(jī)進(jìn)入旋轉(zhuǎn)失Vapnik首先提出，已廣泛應(yīng)用于系統(tǒng)辨識(shí)、非線性速或喘振的動(dòng)態(tài)偏微分方程組IIj．此后，F(xiàn)．K．Moore分類和回歸等領(lǐng)域，是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的學(xué)與E．M．Greitzer合作，提出了分析壓縮機(jī)失穩(wěn)現(xiàn)象習(xí)方法．學(xué)習(xí)機(jī)器的實(shí)際風(fēng)險(xiǎn)由經(jīng)驗(yàn)風(fēng)險(xiǎn)值和置信的統(tǒng)一模型，簡(jiǎn)稱M—G模型[21．隨著研究的深人，不區(qū)間2部分組成，支持向量機(jī)以訓(xùn)練數(shù)據(jù)誤差作為斷有新的系統(tǒng)辨識(shí)方法

4、被應(yīng)用到壓縮機(jī)系統(tǒng)模型優(yōu)化問(wèn)題的約束條件，以置信區(qū)間最小值作為優(yōu)化上，20世紀(jì)9O年代，在國(guó)內(nèi)就已經(jīng)有學(xué)者開展將目標(biāo)，是借助最優(yōu)化的方法解決機(jī)器學(xué)習(xí)問(wèn)題的一神經(jīng)網(wǎng)絡(luò)方法用于壓縮機(jī)預(yù)測(cè)控制的研究．張衛(wèi)民種新方法．其主要思想是：在給定訓(xùn)練集{，yi)}：等，將人工神經(jīng)網(wǎng)絡(luò)方法引人到壓縮機(jī)故障的檢測(cè)后，其中筋∈為輸入變量的值，Y∈R為相應(yīng)的輸中f3】．2000年，王麗春等利用BP網(wǎng)絡(luò)建立了離心式出值，為訓(xùn)練樣本個(gè)數(shù)，其函數(shù)回歸問(wèn)題就是尋找壓縮機(jī)性能預(yù)測(cè)模型[41．2001年，杜海峰等建立了基一個(gè)從輸入空間到輸出空間的

5、映射廠；RR，使得．廠．于粗糙集與模糊神經(jīng)網(wǎng)絡(luò)的多級(jí)壓縮機(jī)診斷的模)一Y．SVM回歸方法就是先用一個(gè)非線性映射：型【5】．2005年，范興鐸等利用TSK算法建立了壓縮一fm≥)，將輸入空間映射到高維的特征空機(jī)運(yùn)行狀態(tài)預(yù)報(bào)模型[61．2008年，厲勇等提出了離心間，再在特征空間中用下述線性函數(shù)來(lái)擬合數(shù)據(jù)壓縮機(jī)性能的模糊神經(jīng)網(wǎng)絡(luò)建模方法【7]．由文獻(xiàn)y)=(，))+6，(1)[3—7】可知，利用系統(tǒng)辨識(shí)的理論控制離心式壓縮式中：W，)為m維向量；(·，·)表示特征空間中的機(jī)的回流量等方法可以避免喘振現(xiàn)象的發(fā)生，且其

6、點(diǎn)積；b為閾值．壓縮機(jī)性能模型可以預(yù)測(cè)壓縮機(jī)的流量和壓縮比采用PSO—SVM進(jìn)行預(yù)測(cè)的一般步驟見圖1．的趨勢(shì)，這為筆者在研究離心式壓縮機(jī)轉(zhuǎn)速控制模2基于SVM透平轉(zhuǎn)速預(yù)測(cè)分析型提供了參考，具有一定指導(dǎo)意義．針對(duì)某石化公司離心式CO壓縮機(jī)透平轉(zhuǎn)子準(zhǔn)確預(yù)測(cè)難以實(shí)現(xiàn)2．1預(yù)測(cè)因子選擇及現(xiàn)場(chǎng)采集的問(wèn)題，引人基于粒子群算法的支持向量機(jī)回歸模由于SVM是通過(guò)支持向量機(jī)構(gòu)造推理模型，對(duì)收稿日期：2014—02—26作者簡(jiǎn)介：李雪潔(1989_一)，男，碩士研究生，主要從事智能儀器與過(guò)程控制研究．通信聯(lián)系人：劉大銘(1969一

7、)，男，教授，碩士，主要從事智能儀器與過(guò)程控制研究，(電子信箱)nxldm@126．corn．第2期李雪潔等：基于PSO—SVM的離心式壓縮機(jī)轉(zhuǎn)速模型的研究175(開始)選定訓(xùn)練集和測(cè)試集數(shù)據(jù)預(yù)處理圖3離心式壓縮機(jī)示惹圖PSO算法算出最優(yōu)參數(shù)C和g通過(guò)現(xiàn)場(chǎng)監(jiān)控設(shè)備調(diào)取了2013年3月113的數(shù)據(jù)，采樣間隔為5min，采集了。，Pl，，P2，Q供給，利用最優(yōu)參數(shù)訓(xùn)練SVM(~fl練集)Q。，Q蒸汽，K，透平轉(zhuǎn)速n的數(shù)據(jù)共110組(其中95組作為訓(xùn)練組，l5組作為預(yù)測(cè)組)．其中透平轉(zhuǎn)速擬合預(yù)測(cè)為0～7200r／ra

8、in，實(shí)際生產(chǎn)轉(zhuǎn)速為6400～6800r／min．實(shí)際轉(zhuǎn)速會(huì)隨著當(dāng)前壓縮機(jī)的壓力和流量的需求而擬合預(yù)測(cè)指標(biāo)(MSE，R)改變．2．2數(shù)據(jù)預(yù)處理(結(jié)束)筆者對(duì)數(shù)據(jù)進(jìn)行歸一化處理，以便消除各維數(shù)圖1預(yù)測(cè)流程圖據(jù)間的數(shù)級(jí)差別，避免因?yàn)檩斎胼敵鰯?shù)據(jù)級(jí)差較大因子的數(shù)量限制比較寬松，支持因子可以很多，因而造成網(wǎng)絡(luò)預(yù)測(cè)誤差較大．其函數(shù)形式如下此，通過(guò)分析與透平有關(guān)的預(yù)測(cè)因子，較全面地描述瞳預(yù)測(cè)對(duì)象與