[发明专利]一种中速磨煤机组入口一次风量整体软测量方法

权利要求书

1.一种中速磨煤机组入口一次风量整体软测量方法，其特征在于：基于锅炉DCS数据实时采集系统，将与磨煤机入口一次风量相关的特征参量作为粒子群优化的PSO-BP网络模型的输入；磨煤机组入口一次风质量流量作为网络模型输出；接着构建样本数据库并进行数据预处理；再利用粒子群算法对初始网络权值、阈值进行寻优迭代；最后得到最优网络参数配置进行PSO-BP网络模型的训练，网络模型训练完毕后输入待测工况特征参数，即可一次性得到制粉系统磨煤机组内全部磨煤机入口一次风质量流量值；

所述构建样本数据库并进行数据预处理的具体步骤如下：

步骤1：按照等间距采样法从所采集原始DCS样本中取500组样本构建初始样本数据库Ω_t；

步骤2：对新输入的样本，计算其与初始样本数据库各特征参量的欧式距离d_e，计算式为：

其中，N为磨煤机组中所有磨煤机对应的特征参量的总维度，x_t为新输入样本；

步骤3：设定相似判定阈值ε，当d_e≤ε时，认为新输入样本为冗余样本，舍弃，否则将其纳入初始样本数据库，遍历所有原始采集样本后形成具有一定样本容量的样本数据库；

步骤4：样本数据库形成后，对磨煤机组中所有磨煤机的对应的特征参量的总和采用主元分析法进行降维处理，再对其依次进行Savitzky-Golay滤波、归一化，作为PSO-BP网络模型的最终输入；

所述PSO-BP网络模型的训练步骤为：

步骤1：设定PSO-BP网络模型结构，设定输入层、隐含层、输出层神经元节点数目A、B、C，设定输入层至隐层传递函数、隐层至输出层传递函数，确定训练集样本数P和测试集样本数Q；

步骤2：初始化粒子种群参数；设定种群规模M，粒子维度D＝A×B+B×C，自身加速因子f₁，全局加速因子f₂，惯性系数ω，约束系数λ，随机数μ₁、μ₂，最大迭代次数E_max，最大速度V_max；

步骤3：随机初始化粒子的位置矢量X和速度矢量Φ；

步骤4：对第p个训练集样本，计算隐含层第r个节点的输入net_r^p：

其中，A为输入层神经节点数，v_rq^p为第q个输入层节点与第r个隐含层节点间的连接权值，q∈[1,A]，r∈[1,B]，x_q^p为输入层输入，p∈[1,P]；

步骤5：计算隐含层第r个节点的输出y_r^p：

步骤6：计算输出层第s个节点的输入net_s^p：

其中，ω_sr^p为第s个输出层节点与第r个隐含层节点间的连接权值；

步骤7：计算输出层第t个节点的输出值O_t^p，t∈[1,C]：

步骤8：计算各粒子的适应度函数值J_i，i∈[1,M]：

其中，P为训练集样本数，O_t^p为模型预测的第p个训练样本的第t个输出层节点输出，U_t^p为期望输出；

步骤9：搜索各粒子的个体极值pbest和全局极值gbest，分别代表单一粒子搜索到的最佳位置及粒子群搜索到的最佳位置；对每个粒子，先将当前计算的适应度值与pbest比较；若当前适应度值优于pbest，则更新pbest，否则更新粒子的位置和速度矢量；再将所有粒子当前的全局适应度值与gbest比较，若所有粒子全局最佳适应度值优于gbest，则更新gbest；

步骤10：依据如下规则对粒子位置X、速度矢Φ进行更新：

Φ_id^k+1＝ω×Φ_id^k+f₁×μ₁×(P_id-X_id^k)+f₂×μ₂×(P_gd-X_id^k)

X_id^k+1＝X_id^k+λΦ_id^k+1

其中，Φ_id^k+1、X_id^k+1分别表示第k+1次迭代时，第i个粒子速度矢的第d维分量和位置矢的第d维分量；Φ_id^k、X_id^k分别表示第k次迭代时，第i个粒子速度矢的第d维分量和位置矢的第d维分量；f₁、f₂分别为粒子自身加速因子和全局加速因子；μ₁、μ₂取[0,1]间的随机值；λ为约束系数；ω为惯性系数，用以维持粒子在空间的惯性搜索能力，ω更新规则为：

其中，ω_max、ω_min分别为最大、最小惯性系数；t_max、t_now分别为最大迭代次数与当前迭代次数；

步骤11：查看是否满足迭代终止条件：迭代次数达到预设最大迭代次数5000次或适应度函数值小于10，若满足以上任意一项条件，则终止运算，输出gbest，即为网络模型最优权值和阈值，否则返回步骤3重新计算适应度值，直至满足迭代终止条件；

步骤12：由以上粒子群寻优算法确定模型的最优权值、阈值，完成网络训练。

2.根据权利要求1所述中速磨煤机组入口一次风量整体软测量方法，其特征在于：所述的特征参量包括一次风机电流、一次风机出口风温、一次风机出口风压、一次风机动叶开度、空预器进口一次风压、空预器出口一次风压、空预器出口热一次风温、磨煤机组入口一次风温、磨煤机组入口一次风压、磨煤机组冷风调门开度、磨煤机组热风调门开度、磨煤机组出口风粉混合温度、磨煤机组分离器出口压力、磨煤机组进出口差压、磨煤机组密封风与一次风差压，磨煤机电流、给煤机瞬时给煤量；所述PSO-BP网络模型由1个输入层、1个隐含层和1个输出层组成；输入层的神经节点数A等于磨煤机组中每台磨煤机对应的上述特征参量的总和经过主元分析降维处理后的剩余维度；隐含层神经节点数B在1-30范围内选取，遍历1-30范围内的不同B取值，根据模型误差最小原则确定最佳数值；输出层神经节点数C等于待测磨煤机组中所包含的磨煤机台数；输入层至隐含层的传递函数为tansig函数，隐层至输出层传递函数为线性函数purelin函数；种群规模M取10-20间的整数，粒子维度D＝A×B+B×C，由最终模型结构的复杂程度确定最大迭代次数E_max及最大速度V_max，以模型输出的均方根误差作为适应度函数；

tansig函数与purelin函数解析式如下：

purelin(n)＝n。