基于特征选取与多RBF神经网络的冷凝器污垢软测量

提出了基于特征选取与多RBF神经网络的冷凝器污垢软测量方法。该方法采用基于BP神经网络的灵敏度计算,从受污垢影响的冷凝器各个性能指标中,提取最能反映冷凝器污垢状态的特征变量。在此基础上,针对冷凝器变工况、冷凝器空气漏入量等因素对污垢特征变量的影响,研究基于多RBF神经网络的智能建模方法,有效实现冷凝器污垢与其他参数变化对特征变量影响的分离。根据此方法,进行了现场试验,试验结果表明:该方法能较准确地在线监测冷凝器污垢,并在冷凝器出现堵管、空气漏入量较大、工况参数大范围变化时,取得比热阻法、传热系数法、模糊软测量法更可靠的测量结果。