基于人工蜂群算法优化LSSVM的蒸汽干度软测量.pdf

《基于人工蜂群算法优化LSSVM的蒸汽干度软测量.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、226化工机械2013年基于人工蜂群算法优化LSSVM的蒸汽干度软测量杨目光+杨悦(东北电力大学)摘要为了提高蒸汽干度测量的精确性，提出了基人工蜂群优化最小二乘支持向量机的干度软测量模型。首先利用人工蜂群算法对最小二乘支持向量机的核参数进行参数优化，然后利用优化后的最小二乘支持向量机干度测量模型对干度进行软测量，软测量结果表明基于人工蜂群优化的最小二乘支持向量机的测量效果满足了精度要求。最后运用最小二乘支持向量机和BP神经网络模型对于度进行了软测量，结果表明：基于人工蜂群优化的最小二秉支持向量机软测量模型具有测量精度高，测量

2、稳定性好的优点。关键词蒸汽干度软测量最小二乘支持向量机人工蜂群算法中图分类号TQ028．1+8文献标识码A文章编号0254-6094(2013)02-0226-04干度测量一直是气液两相流参数检测研究中的一个重要内容。近些年，蒸汽干度的测量越来越受到国内、外学者的重视，并且提出了很多测量蒸汽干度的理论和方法。其测量方法多采用节流法、凝结法、相分离法及示踪法等¨“1。虽然这些方法在测量精度上能满足工业生产的需求，但因操作时间间隔长、不能及时反映生产情况，且设备成本较高，使用寿命短，不适合推广。随着计算机技术的发展，越来越多的软

3、测量方法被用到气、液两相流参数测量中。干度软测量的方法有神经网络法、支持向量机法等。该方法较好的解决了小样本、非线性等问题，能够对干度的测量取得很好的效果。但是这些方法本身仍存在许多公开的问题，如神经网络存在着最优网络结构难以确定和过度拟合的问题；SVM的核函数的选取对运行结果影响很大，核函数的参数的选择依靠经验值的不足以及惩罚项的选择等问题。笔者尝试用运算速度更快的最小二乘支持向量机(LeastSquaresSupportVectorMachine，LSS—VM)进行预测”。1，同时运用人工蜂群算法(Ar．tificalB

4、eeColony，ABA)算法对LSSVM所选择的核函数进行参数优化。因此ABC—LSSVM风速时间序列预测模型既能解决参数选择问题，又能提高预测的速度。运用ABC—LSSVM模型对干度进行软测量，同时与最小二乘支持向量机和BP神经网络的蒸汽软测量结果进行了比较。1ABC-LSSVM优化模型干度软测量模型的建立首先需要找出与蒸汽干度有关的参数。经过工艺调查和对机理的定性分析，得出影响蒸汽干度的因素，得到如下关系‘81：Y=妒(8，d，占，卸，P’，p”)(1)式中a——蒸汽节流装置流量系数；d——为蒸汽节流元件孔径；占——流

5、束膨胀系数；卸——蒸汽节流装置两端差压；p’——当压力为P时饱和水的密度。通过对上述因素进行综合分析，得出影响蒸汽干度的主要因素为蒸汽压力、湿蒸汽压力和给水流量。因此，蒸汽干度值的关系式可用非线性关系来表示：+杨日光，男，1954年4月生，副研究员。吉林省吉林市，132012。第40卷第2期化工机械227y=妒(△p，P，g)．(2)式中P——出口压力；q——给水流量。因此，笔者以蒸汽压力、湿蒸汽压力和给水流量作为LSSVM模型的输入变量，以干度Y为输出量，建立出干度软测量模型。2ABC·LSSVM优化模型2．1最小二乘支持

6、向量机最小二乘支持向量机是支持向量机的一种改进算法旧，10]，它将SVM算法中的不等式约束转化为等式约束，采用最小二乘线性系统作为损失函数代替支持向量机所采用的二次规划方法，以下介绍了该方法的基本原理。训练数据的样本可表示为{x。，Yi}㈦1，石i∈R“是第i个样本的输入向量，Yi∈R是第i个样本的目标值，f为训练样本数。在特征空间中LSSVM模型可表示为：y(x)=∞7妒(z)+b(3)式中b——偏置量；9(·)——非线性变换映射函数，将输入样本数据映射到高维特征空间；∞——权向量。最小二乘支持向量机的目标函数可描述为：m

7、inJ(∞’f)=-=1-“7m+÷主f2，i=1，2，⋯，l(4)其中，f为误差变量，y>0为惩罚系数。引入拉格朗13函数进行求解得到：L(to，B，亭，a)=_，(tO，f)一∑a．[∞1妒(髫。)+b+f—y。](5)其中a；为拉格朗13乘子。根据KKT最有利条件，依次计算OL／Oto=0、OL／Ob=0、OL／蘑=0、OL／Oai=0，可得tl：PPoI㈨⋯1㈩g7+7。1o一其中，P=[妒(石。)’Y。，妒(茁：)’Y：，⋯，妒(戈1)’YI]，f=[1，1，⋯，1]’，q=[Yi，Y：，⋯，Y，]7，口=[口。，

8、口：，⋯，口。]1，，为单位矩阵。根据Mercer条件，核函数可写为：^(z．，xj)=妒(z．)1妒(茁．)(7)由(4)、(5)联立求出口和b后，可得到LSS．VM的非线性函数式为：，，(x)=三口1％(x，菇。)+b(8)式(6)中取不同的核函数就生成不同的支持向量机(图1)，目前使