基于支持向量机的锅炉过热系统建模研究

由于锅炉过热系统具有强非线性、时变性的特点,采用常规方法建立其数学模型十分困难,因此提出了一种基于支持向量机和过程机理的过热系统建模方法。该方法利用机理模型产生的相关训练数据,对支持向量机网络进行训练,使之能够很好地逼近过热系统这一非线性模型,同时利用不相关的数据样本对其泛化性能进行验证。从仿真结果可以看出,采用内点法优化后的支持向量机网络,经3.18 s后收敛,学习的最大误差不超过0.035℃。因此,该方法可以有效地对系统进行建模,仿真精度高,并且不仅仅是对过热系统,同时也适用于整个锅炉系统的建模。