離心壓縮機在進行仿真時，僅僅使流量變化，而固定了其它的入口條件，如溫度、壓力、介質成分、轉速等。測試時，隨機取一段時間段的過程數據，雖然測試點與機理模型的距離很大，但測試點應該在穩定工況范圍內，該機理模型中的一些參數值的選擇對模型影響較大，和實際情況難免有不同程度的偏差。因此，在獲得現場大量數據的基礎上，采用遺傳算法辨識這些參數，以得到更加準確的模型。

1.遺傳算法

遺傳算法是借鑒生物自然選擇和遺傳機制的隨機搜尋優算法，其之所以能夠增強解決問題的能力，是因為其自然演化過程就是一個學習與優化的過程，其核心思想是生物進化過程，本身是一個自然的，并行發生的、穩健的優化過程。

遺傳算法對于一個復雜的問題，將問題域中的可能解看做是群體的個體或染色體，并將每一個個體編碼成符號串形式，根據預定的目標適應度函數對每個可能解進行評價，來確定搜索方向；借用生物遺傳學的觀點和基本術語：基因、個體、群體、適應度、編碼、解碼等，通過對群體反復進行選擇、交叉、變異等遺傳學操作，不斷得到更優的群體，同時以全局并行搜索方式來搜索優化群體中的最優個體，得到滿足要求的最優解。

2.參數辨識

辨識就是在輸入和輸出數據的基礎上，從一組給定的模型中，確定一個與所測系統等價的模型，實質就是從一組模型類中選擇 一個模型，按照某種準則，使之能最好地擬合所關心的實際過程。以離心壓縮機參數辨識的數據預處理一般包括數據校正、數據集成和數據歸約。

數據校正主要是處理空缺值，平滑噪聲數據，識別，刪除孤立點。其方法有空缺值處理和誤差處理。

數據集成是將眾多數據源中的數據進行合并處理，解決語義模糊性并整合成一致的數據進行存儲，一是模式集成，將小同信息源中實體匹配來進行模式集成；通常借助數據庫的數據進行模式識別；二是冗余數據集成往往導致數據冗余；三是數據量綱的沖突，由于工業工程中出現的工程單位不同或數值上相差幾個數量級的測量數據，需要選擇適當的因子進行標度，可以有效地改善建模的效果。

數據歸約技術可以用來得到數據集的歸約表示，與非歸約數據比較，接近于保持原數據的完整性，其處理數據所需的時間和內存資源更少，并產生相同或者幾乎相同的分析結果。

過程數據的預處理主要分為三個步驟：第一步是將排除壓縮機啟動和停機等非正常數據；第二步是將DCS系統讀數的數據轉換成能夠讀取利用的數據；第三步是選取穩定的工況數據。在這些數據中，有很多信息重復的地方，需要進一步的選取。流量要覆蓋所有工況的測點，尤其極端工況，要特別注意流量選擇時，要取相同數目的流量值，保證流量范圍的平均性，避免參數辨識時產生的數據偏重。

3.參數分析

（1）葉輪葉片安裝角

離心壓縮機的葉輪是離心壓縮機中唯一對氣流做功的元件。氣體在葉輪葉片的作用下，做高速旋轉，受旋轉離心力的作用以及在葉輪里的擴壓流動，使它通過葉輪后的壓力得到提高，對葉輪的要求之一是當氣體流過葉輪時，氣體在葉輪上的沖擊損失要小，而葉輪葉片安裝角的大小對沖擊損失影響較大，會影響到壓縮機的模型。

（2）擴壓器葉片安裝角

擴壓器在壓縮機中是一個與葉輪幾乎同等重要的部件，其葉片安裝角對于提高壓縮機級效率和級壓比、改變最佳工況點位置以及擴大穩定工作范圍起著十分重要的作用。

（3）沖擊損失系數

當流量大于設計流量時，一般邊界層不易分離，沖擊損失小，當流量小于設計流量時，邊界層易分離，沖擊損失大，所以，沖擊損失的大小與沖角的正負關系很大。

（4）葉輪面積調節系數

高壓比、高轉速離心葉輪是離心壓縮機的關鍵部位，具有單級壓比高、體積小的特點。離心葉輪是環列葉柵，黏性、擴壓引起的分離和二次流使葉輪內氣體的流動變得復雜，由于葉輪是一個整體，各幾何參數的變化均反映在面積的變化上。

（5）壓比調節系數

由于現場的工況隨時改變，僅僅通過機理推導并不能準確得出實際壓比與入口質量流量的關系，因此，需要根據獲得的大量實測數據辨識壓比系數的大小，以獲得準確的模型和性能曲線。

4.遺傳算法的設計

用遺傳算法進行系統辨識，就是在已知模型結構的基礎上，用遺傳算法來優化模型參數。選擇操作采取隨機均勻分布的方法，交叉操作采用分散的方法，變異操作采用高斯變異算子。

設計遺傳算子的步驟中，第一步進行初始化，設置進化代數計數器，最大進化代數；隨機生成相應系統模型參數，形成初始群體；第二步進行個體評價，根據適應度函數計算群體中，一組參數的適應度值，經過遺傳操作，將選擇、交叉、變異算子作用于群體，經過運算后得到下一代群體，以算法進行過程中得到的具有最大適應度的個體作為最優解輸出，終止計算，該最優解就是所要辨識的系統模型參數。

文章來源：壓縮機網