基于自适应遗传算法和M-LS-SVM的多级离心压缩机混合模型研究

本文主要探讨了多级离心压缩机混合模型在冶金行业燃气-蒸汽联合循环发电机组低压端煤气压缩系统中的应用研究。由东北大学的董世建、王福利教授以及他们的团队作为研究主体，他们利用某钢厂的实际案例，构建了一个以控制阀和离心式压缩机为核心要素的多级离心压缩机机理模型。在这个模型中，他们面临的主要挑战是处理机理模型中那些难以确定的关键参数。 为了提高模型的精确度，研究者们引入了改进的自适应遗传算法，这是一种优化技术，用于参数辨识，有效地解决了模型中存在的不确定性。通过这种方法，他们能够更好地理解并调整压缩机运行过程中各种因素对性能的影响，从而提升模型的预测能力。 然而，尽管机理模型在一定程度上能反映出压缩机的工作原理，但其预测性能往往受到多种复杂因素的限制。因此，他们进一步采用了多最小二乘支持向量机（M-LS-SVM）来补偿这些误差，构建了一种混合模型。这种混合模型结合了机理模型的优点和统计学习方法的灵活性，旨在提供更准确和可靠的压缩机性能预测。 通过将混合模型应用到实际的煤气压缩系统中，研究结果证明，相比于单纯的机理模型，混合模型具有显著的优势，表现为更高的精度和更好的预测性能。这对于优化压缩机的运行状态，预防喘振等控制策略的制定提供了强有力的工具和理论支持。 本文的研究成果对于理解和优化离心压缩机在工业生产中的性能具有重要的实践价值，特别是在冶金行业的燃气-蒸汽联合循环发电系统中。此外，文中所采用的方法和技术也为其他领域的复杂工业过程建模与优化提供了新的思路和借鉴。关键词包括离心压缩机、机理模型、改进自适应遗传算法、参数辨识、多最小二乘支持向量机以及混合模型，这些都是该研究的核心内容。