基于PSO优化RBF的直接空冷散热器性能监测研究

为了监测直接空冷散热器的换热效率，采用建立模型的方法进行空冷散热器换热性能的研究预测，空冷散热器出水温度能间接反映其换热能力，可以作为空冷散热器换热性能优劣的一个评价指标。根据散热器换热模型分析以及换热性能影响因素，建立以环境风速、环境温度、风机转速、排汽压力、排汽温度以及机组负荷这6个主要因素为输入，出水温度为输出的径向基（RBF）神经网络模型。为了避免模型陷入局部最优，使用粒子群（PSO）算法优化RBF神经网络参数，并借助大量空冷塔运行数据，训练RBF神经网络，再进行仿真验证。实验结果表明，优化后模型的MAE、RMSE最小，与RBF、PSO-BP模型进行对比，验证了该算法在预测温度方面的优越性。

Research on performance monitoring of direct air cooling radiator based on RBF optimized by improved PSO