[发明专利]基于ATPSO-SVM模型的静电除尘器中温度效应预测方法

权利要求书

1.一种基于ATPSO-SVM模型的静电除尘器中温度效应预测方法，其特征在于，包括：

建立了高温线板式ESP多场耦合理论模型，数值模拟了不同粒径下高温ESP的除尘效率；

建立了ATPSO-SVM预测模型，结合仿真数据对ESP中不同粒径下的温度效应进行预测，并将ATPSO-SVM预测结果与仿真数据进行对比；

所述的高温线板式ESP多场耦合理论模型为基于流场、电场、颗粒动力场和温度场的多场耦合数值模型；

所述的ATPSO-SVM预测模型具体为：

ATPSO通过引进第3个目标点使第k代粒子的位置不完全受种群历史最优位置和粒子历史最优位置所控制，这里将称为活跃目标点；

下式给出了ATPSO速度更新公式

式中，为学习因子；均为[0,1]之间的随机数；是第i粒子在第k次迭代中的第n维速度；是第i粒子在第k+1次迭代中的第n维速度，限定于中；是粒子i在第k次迭代中第n维的位置；是粒子i的历史最优点，是种群的历史最优点；

确定活跃目标点之后，通过简化复合求得目标点位置，这进一步提高了搜索能力，具体实施步骤如下；

首先，采用下式在邻域内进行随机搜索，取其作为试用活跃目标点的初值

式中，是[-0.1,0.1]之间的随机数；为最大可行域范围；

其次，将试用活跃目标点初值、粒子i的历史最优点和种群的历史最优点组成一个复合形，在三点中挑出最坏点公式写为

若最坏点为则根据下式求出另外两点的中点即有

将求得的最坏点映射，获得映射点x^R，公式如下

式中，λ为映射系数，取λ＝1.3～0.5递减；

最后，将确定的映射点作为活跃目标点的位置，即为了提高搜索效率，若最坏点映射失败，则直接令而不重复以上过程求取活跃目标点；ATPSO算法则是通过改变粒子更新速度得到更优的个体、全局最优位置，达到优化SVM惩罚参数以及核函数参数的功能，从而建立了ATPSO-SVM预测模型。

2.根据权利要求1所述的方法，其特征在于，所述的温度场具体为：

温度是影响静电除尘性能的重要因素之一，通过直接影响烟气的密度、动力粘度的物性参数，进而影响烟气在静电除尘器中的流动状态，烟气的物性参数随温度的变化公式，分别写为：

ρ_gk＝M_gk/V_gk

lnμ_k＝b_1k+b_2klnT_k+b_3k(lnT_k)²+b_4k(lnT_k)³

式中的各符号均表示温度为T_k时的值；其中，M_gk为空气质量，kg；V_gk为空气体积，m³；b_ik为待取系数，i＝1,2,3,4。