基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf

基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf

ID:52479989

大小:285.94 KB

页数:5页

时间:2020-03-28

基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf_第1页
基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf_第2页
基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf_第3页
基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf_第4页
基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf_第5页
资源描述:

《基于支持向量机和果蝇优化算法的循环流化床锅炉NOx排放特性研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第33卷第4期动力工程学报V01.33No.42013年4月JournalofChineseSocietyofPowerEngineeringApr·2013文章编号:1674—7607(2013)04—0267—05中图分类号:TK22文献标志码:A学科分类号:470.30基于支持向量机和果蝇优化算法的循环流化床锅炉NOz排放特性研究牛培峰1’2,麻红波,李国强'马云飞陈贵林1’2,张先臣1’2(1.燕山大学工业计算机控制工程河北省重点实验室,秦皇岛066004;燕山大学国家冷轧板带装备及工艺工程技术研究中心,秦皇岛

2、066004)摘要:为了控制循环流化床(CFB)锅炉的NO,排放量,以某热电厂300MWCFB锅炉测试数据为样本,应用支持向量机(SVM)建立NO,排放特性预测模型.针对SVM回归预测需要人为确定相关参数的不足,应用果蝇优化算法(FOA)优化SVM参数,采用不同工况下的样本数据检验FOA—SVM模型的预测性能,并将该模型的预测结果与粒子群算法(PSO)、遗传算法(GA)和万有引力搜索算法(GSA)优化的SVM模型预测结果进行了比较.结果表明:FOA—SVM模型的泛化能力较强,预测精度较高,训练时间较短,可以相对快速、准

3、确地预测NO。排放质量浓度.关键词:循环流化床锅炉;NO,排放特性;支持向量机;果蝇优化算法;模型StudyonNOxEmissionfrOmCFBBoilersBasedonSupportVectorMachineandFruitFlyOptimizationAlgorithmNIUPei—fen91_2,MAHong—b01,LIGuo—qian91,MAYun—feil,CHENGui—linl“,ZHANGXian—chenl’2(1.KeyLabofIndustrialComputerControlEngin

4、eeringofHebeiProvince,YanshanUniversity,Qinhuangdao066004,China;2.NationalEngineeringResearchCenterforEquipmentandTechnologyofColdStripRolling,YanshanUniversity,Qinhuangdao066004,China)Abstract:Tocontr01theNO,emissionfromcirculatingfluidizedbed(CFB)boilers,amode

5、lwasestab—lishedbasedontestdataofa300MWthermalpowerplantusingsupportvectormachine(SVM).Toover—comethedeficiencyofSVMregressionpredictioninartificialdeterminationofrelevantparameters,thefruitflyoptimizationalgorithm(FOA)wasappliedtooptimizetheSVMparameters.Predic

6、tionperform—anceoftheFOA—SVMmodelwasthenverifiedwithsampledataunderdifferentexperimentalconditions,ofwhichthepredictionresultswerecomparedwiththoseoptimizedbyparticleswarmoptimization(PSO),geneticalgorithm(GA)andgravitationsearchalgorithm(GSA).Resultsshowthatthe

7、FOA—SVMmodelhasstrongergenralizationcapability,higherpredictionaccuracyandshortertrainingtime,whichmaythereforepredictthemassconcentrationofNO,emissionquicklyandaccurately.Keywords:CFBboiler;NO,emission;SVM;FOAalgorithm;model收稿日期:2012-05—23修订日期:2012-07—30基金项目:国家

8、自然科学基金资助项目(60774028);河北省自然科学基金资助项目(F2010001318)作者简介:牛培峰(1958~),男,吉林舒兰人,教授,博士生导师,主要从事复杂工业系统的智能建模与智能控制和流程工业综合自动化方面的研究.电话(Tel.):0335—8072979;E—mail:npf882000@163.corn.动力

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。