1.遺傳算法
遺傳算法是借鑒生物自然選擇和遺傳機(jī)制的隨機(jī)搜尋優(yōu)算法，其之所以能夠增強(qiáng)解決問題的能力，是因?yàn)槠渥匀谎莼^程就是一個學(xué)習(xí)與優(yōu)化的過程，其核心思想是生物進(jìn)化過程，本身是一個自然的，并行發(fā)生的、穩(wěn)健的優(yōu)化過程。
遺傳算法對于一個復(fù)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(jù)預(yù)定的目標(biāo)適應(yīng)度函數(shù)對每個可能解進(jìn)行評價，來確定搜索方向；借用生物遺傳學(xué)的觀點(diǎn)和基本術(shù)語：基因、個體、群體、適應(yīng)度、編碼、解碼等，通過對群體反復(fù)進(jìn)行選擇、交叉、變異等遺傳學(xué)操作，不斷得到更優(yōu)的群體，同時以全局并行搜索方式來搜索優(yōu)化群體中的個體，得到滿足要求的解。
2.參數(shù)辨識
辨識就是在輸入和輸出數(shù)據(jù)的基礎(chǔ)上，從一組給定的模型中，確定一個與所測系統(tǒng)等價的模型，實(shí)質(zhì)就是從一組模型類中選擇 一個模型，按照某種準(zhǔn)則，使之能地?cái)M合所關(guān)心的實(shí)際過程。以離心壓縮機(jī)參數(shù)辨識的數(shù)據(jù)預(yù)處理一般包括數(shù)據(jù)校正、數(shù)據(jù)集成和數(shù)據(jù)歸約。
數(shù)據(jù)校正主要是處理空缺值，平滑噪聲數(shù)據(jù)，識別，刪除孤立點(diǎn)。其方法有空缺值處理和誤差處理。
數(shù)據(jù)集成是將眾多數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行合并處理，解決語義模糊性并整合成一致的數(shù)據(jù)進(jìn)行存儲，一是模式集成，將小同信息源中實(shí)體匹配來進(jìn)行模式集成；通常借助數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行模式識別；二是冗余數(shù)據(jù)集成往往導(dǎo)致數(shù)據(jù)冗余；三是數(shù)據(jù)量綱的沖突，由于工業(yè)工程中出現(xiàn)的工程單位不同或數(shù)值上相差幾個數(shù)量級的測量數(shù)據(jù)，需要選擇適當(dāng)?shù)囊蜃舆M(jìn)行標(biāo)度，可以有效地改善建模的效果。
數(shù)據(jù)歸約技術(shù)可以用來得到數(shù)據(jù)集的歸約表示，與非歸約數(shù)據(jù)比較，接近于保持原數(shù)據(jù)的完整性，其處理數(shù)據(jù)所需的時間和內(nèi)存資源更少，并產(chǎn)生相同或者幾乎相同的分析結(jié)果。
過程數(shù)據(jù)的預(yù)處理主要分為三個步驟：第一步是將排除壓縮機(jī)啟動和停機(jī)等非正常數(shù)據(jù)；第二步是將DCS系統(tǒng)讀數(shù)的數(shù)據(jù)轉(zhuǎn)換成能夠讀取利用的數(shù)據(jù)；第三步是選取穩(wěn)定的工況數(shù)據(jù)。在這些數(shù)據(jù)中，有很多信息重復(fù)的地方，需要進(jìn)一步的選取。流量要覆蓋所有工況的測點(diǎn)，尤其極端工況，要特別注意流量選擇時，要取相同數(shù)目的流量值，保證流量范圍的平均性，避免參數(shù)辨識時產(chǎn)生的數(shù)據(jù)偏重。