[发明专利]一种多孔介质燃烧器在线燃烧优化的模型更新方法

权利要求书

1.一种多孔介质燃烧器燃烧优化的模型更新方法，其特征在于该方法的步骤包括：

步骤(1)建立原有模型的预测错误数据库；根据具体多孔介质燃烧器燃烧情况和对模型预测精度的要求，设定模型的允许预测误差限δ，在采集数据时，判断模型预测值与实际运行值之间的误差与允许预测误差限δ的大小，如果预测误差大于δ，即|V_c-V_s|＞δ，其中V_c为模型预测值，V_s为实际运行数据，则将超限数据存入预测错误数据库中，以备模型更新之用；

步骤(2)建立新模型；原模型需要更新时，选择预测错误数据库中大于1000组的工况数据，再在原模型的建模样本中随机选择大于500组的部分工况数据，将两部分数据共同作为训练样本，预测错误数据与原模型建模数据比例＞2，进行下一步的模型更新建模，使更新后的模型兼顾了新燃烧特点和原来的燃烧特点，模型预测能力更全面；设数据样本可以表示为其中x_i表示第i组作为输入数据的锅炉运行参数向量，y_i表示第i组作为输出参数的表征锅炉燃烧状态特征的参数，采用支持向量机算法建立新的模型，核函数选为径向基函数：

K(xi,xj)=φ(xi)·φ(xj)=exp|(||xi-xj||22σ2)|]]>

φ(x)为映射函数，设所求的目标函数为：f(x_i)＝w·φ(x_i)+b，f(x_i)为模型输出的多孔介质燃烧器燃烧指标预测值，w为权重系数向量，b为截距；引入松弛因子ξ^*_i≥0和ξ_i≥0和允许拟合误差ε，模型可以通过在约束：

yi-w·φ(xi)-b≤ϵ+ξiw·φ(xi)+b-yi≤ϵ+ξi*ξi≥0ξi*≥0i=1,...,N,]]>条件下，最小化：

minR(w,ξ,ξ*)=12w·w+CΣi=1kξ+ξ*]]>

获得，其中常数C＞0为惩罚系数；该最小化问题为一个凸二次规划问题，引入拉格朗日函数：

L(w,b,ξ,ξ*,α,α*,γ,γ*)=12w·w+CΣi=1N(ξ+ξ*)-Σi=1Nαi[yi-(ξi+ϵ+f(xi))]]]>

-Σi=1Nαi*[ξi*+ϵ+f(xi)-yi]-Σi=1N(γiξi+γi*ξi*)]]>

其中：为拉格朗日乘数；

在鞍点处，函数L是关于w，b，ξ_i，ξ_i^*的极小点，也是α_i，γ_i，极大点，最小化问题转化为求其对偶问题的最大化问题；

拉格朗日函数L在鞍点处是关于w，b，ξ_i，ξ_i^*极小点，得：

∂∂wL=0→w=Σi=1N(αi-αi*)φ(xi)∂∂bL=0→Σi=1N(αi-αi*)=0∂∂ξiL=0→C-αi-γi=0∂∂ξi*=0→C-αi*-γi*=0]]>

可得拉格朗日函数的对偶函数：

此时，

w=Σi=1N(αi-αi*)φ(xi)]]>

f(x)=Σi=1n(αi-αi*)K(x,xi)+b]]>

按照库恩-塔克(KKT)条件定理，在鞍点有下式成立：

αi[ϵ+ξi-yi+f(xi)]=0αi*[ϵ+ξi+yi-f(xi)]=0i=1,...,N]]>

由上式可见，α_i·α_i^*＝0，α_i和α_i^*都不会同时为非零，可得：

ξiγi=0ξi*γi*=0i=1,...,N]]>

从上式可求出b，获得模型；清空预测错误数据库，以备下一次更新采集数据之用。