论文部分内容阅读
工业设备运行过程中,由于腐蚀监管不当造成的经济损失问题已经不容忽视,如何实时准确的监测设备的腐蚀状况已经成为现阶段生产过程中亟待解决的问题。近年来循环冷却水已经广泛应用于工业生产中,循环水中的水质信息是对工业设备投加缓蚀剂种类和数量的重要依据,因此研究循环冷却水腐蚀预测方法,实现实时监控循环冷却水系统的腐蚀状况这一目标,对于防止生产中由于监测疏忽造成的系统腐蚀故障以及提高工作效益与经济效益具有积极意义。本文以天津石化企业循环冷却水系统作为研究对象,对石化企业循环冷却水三年实际测量数据进行了分析研究,提出建立一个合理有效的预测模型用于实时监测循环冷却水的腐蚀速率。通过对石化企业设备使用的循环冷却水水质的研究得知影响循环冷却水腐蚀的水质参数和工艺参数十分复杂,每一种水质参数对于腐蚀的影响力不同,但对其他参数具有的影响力不可估计。为了解决参数之间存在的共线性问题,文中选择使用核主成分分析法(KPCA)对原始水质样本进行降维选取,消除样本参数中存在的噪声因素,并在尽可能多的保留原始参数特征的情况下减少模型输入。选择最小二乘支持向量机(LSSVM)作为该预测模型的核心算法,相较于标准支持向量机(SVM)算法,最小二乘支持向量机运算速度更快,更利于处理大样本数据,但是不具备标准支持向量机的稀疏性,所以精确度不高,而KPCA算法可以弥补不具备稀疏性这一缺陷,提高LSSVM预测模型精度。同时为了对模型参数进行科学选取与寻优,本文选择使用混沌粒子群算法(CPSO)对LSSVM循环冷却水腐蚀预测模型的模型参数进行选取。通过仿真实验可以得出,相较于KPCA-LSSVM和PSO-LSSVM腐蚀预测模型,KPCA-CPSO-LSSVM腐蚀预测模型各方面性能更稳定,预测精度更高,总体性能更理想。