基于偏最小二乘判别分析(PLS-DA)的多孔陶瓷基质燃烧器决策支持系统研究

为解决多孔陶瓷基质(PCM)燃烧器运行状态分类问题，研究人员开发了基于偏最小二乘判别分析(PLS-DA)的决策支持系统。通过数值模拟生成121组气固温度曲线数据，划分4种运行工况，构建的分类模型对新样本的灵敏度(1.00)、特异性(0.98)和精确度(0.96)表现优异，在2%噪声条件下仍保持高精度，为燃烧器智能监控提供新方法。

　　

这项研究创新性地将偏最小二乘判别分析(PLS-DA)算法应用于多孔陶瓷基质(Porous Ceramic Matrix, PCM)燃烧器的运行状态识别。科研团队通过数值模拟手段，成功获取了121组具有代表性的气体-固体温度分布曲线数据样本。基于消光系数和对流耦合参数特征，这些数据被精准划分为4种典型燃烧工况模式。

所构建的PLS-DA分类模型展现出令人瞩目的性能指标：在无噪声条件下，对第3类工况的识别灵敏度达到完美1.00，特异性高达0.98，精确度稳定在0.96。即便在2%噪声干扰场景下，模型仍保持优异的分类能力。当噪声水平升至5%时，虽然模型参数有所下降，但通过特征图谱分析仍可直观判别新样本的工况类别。

研究特别对比了贝叶斯(Bayes)和最大值(max)两种分类准则的表现差异，为工程实践提供了重要参考。这项成果不仅为PCM燃烧器的智能监控建立了新范式，其方法论对复杂热工系统的状态识别具有普适指导意义。