基于LSSVM的工业锅炉燃烧性能指标软测量

为实现工业锅炉的燃烧优化,需要实时掌握飞灰含碳量、炉渣残碳量等燃烧性能指标的变化。本文采用最小二乘支持向量机(LSSVM)建立了循环流化床锅炉(CFBB)燃烧性能指标的软测量模型,并提出一种基于自然选择的粒子群算法来优化LSSVM参数。在此基础上,利用工业锅炉现场数据,进行了本文的软测量模型与神经网络软测量模型的对比研究,结果表明:本文方法具有精度高和泛化能力强的优点,可作为工业锅炉飞灰含碳量、炉渣残碳量等燃烧性能指标的有效测量工具。