摘要：選取電站鍋爐結(jié)渣的7個影響因素作為燃煤結(jié)渣特性的判斷指標(biāo)。將5種模糊隸屬度函數(shù)與支持向量機結(jié)合,構(gòu)成模糊—支持向量機(Support Vector Machine,SVM)模型,并采用量子粒子群算法分別優(yōu)化隸屬度函數(shù)的參數(shù),以實際電站鍋爐結(jié)渣數(shù)據(jù)作為訓(xùn)練樣本對優(yōu)化后的模型進行訓(xùn)練,并對給定的10組測試樣本進行預(yù)測。實驗結(jié)果表明,量子粒子群算法優(yōu)化后的模型預(yù)測準(zhǔn)確率顯著提高。將5個優(yōu)化后的模糊—SVM模型組成專家診斷系統(tǒng),采取投票機制確定燃煤結(jié)渣程度,此方法的預(yù)測準(zhǔn)確度更高,可信度更好。