粒子群算法优化极限学习机的旋风分离器压降建模

摘要

旋风分离器是化工行业常用气固分离装置,准确地预测旋风分离器的压降性能,并对其进行设计和放大至关重要.当前旋风分离器压降模型存在建模时间较长和预测精度较差的问题,为此采用极限学习机(Extreme learning machine,ELM)对旋风分离器压降进行了建模,并引入粒子群优化(Particle swarm optimization,PSO)算法对ELM输入层到隐含层连接权值和阈值进行了优化,以降低ELM对隐含层节点数的需求,提高模型准确度和稳定性.研究表明,优化结果较标准ELM降低了对隐含层节点数的需求,模型测试集R2和MSE分别为0.9978和2.443×10-4,运行时间为15.74 s,相比标准ELM模型、统计模型和人工神经网络模型,所建基于PSO-ELM的旋风分离器压降模型有更好的泛化能力和鲁棒性,极大地缩短了预测时间.PSO-ELM建模算法可以作为一种有效的方法,为旋风分离器性能分析提供指导.