基于MFO-SVR的球磨机出粉量估算

2021-11-07 14:43:42陆金桂
合肥工业大学学报(自然科学版) 2021年10期
关键词:测量模型

宋 宇, 陆金桂

(南京工业大学 机械与动力工程学院,江苏 南京 211816)

0 引 言

在整个火力发电过程中,球磨机是必不可少的辅助设备,它将煤块磨制成煤粉,使其充分燃烧。因为球磨机运行特性复杂,各参数之间耦合现象严重,导致球磨机出粉量难以直接测量,也难以使用简单的数学模型进行精确的间接测量,所以在最优工况不明确的情况下,工作人员常常使球磨机在低负荷区运行,大大降低了出粉量,同时还增加了能耗。因此,寻找合适的方法解决球磨机出粉量的测量问题变得极为重要。

在实际生产中,需要采取一些间接的方法进行测量。在间接测量中,目前采用的差压法、功率法、噪声法、轴承振动法、油压法、气压差动法、应变法等方法都是依靠单一变量来表征存煤量进而得到球磨机的出粉量,但是通过这些方法得到的球磨机出粉量的误差比较大。近年来,随着测量技术的发展与完善,基于多变量的软测量方法被逐渐应用于测量领域[1-3]。其基本思想是以数据驱动为基础,构建易测量的变量与那些难测量的变量之间的数学关系模型,通过测量那些可测量的变量来间接测量那些难测量的变量。常见的软测量建模方法有基于黑箱理论的神经网络法[4-5]以及支持向量回归机(support vector regression,SVR)法[6-7]。

人工神经网络具有很强的鲁棒性和容错性,可以拟合所有复杂的非线性关系,且有一定的学习能力和自适应性,因此可以用来预测球磨机的出粉量。文……

登录APP查看全文

猜你喜欢
测量模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
测量的乐趣
3D打印中的模型分割与打包
测量
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用