在发电厂中,风机是大型的回转设备之一,是烟风系统的动力源,风机的安全、经济运行关系到电站整个机组的安全性和经济性,因此对风机性能、运行状态的实时监测具有极其重要的意义。风机流量是风机系统运行的标志性参数之一,因此可以说风机性能在线监测的关键就是对风机流量的准确实时监测。根据通风机的基本理论,通风机的进出口压差和流量有着稳定、良好的非线性映射关系,通过参数之间的映射关系可以达到流量监测的目的。风机运行参数之间的关系可以用性能曲线表示,所以性能曲线模型的建立是风机性能在线监测的前提。本文分别采用神经网络和支持向量机方法建立风机的差压-流量曲线模型。由于BP神经网络方法和支持向量机方法建立模型精度较低,于是,采用遗传算法对BP神经网络初始权值、阈值进行优化；采用群体智能算法对支持向量机参数优化。通过实验数据对建立的改进神经网络模型和支持向量机模型进行测试,发现无论是平方相关系数,还是均方误差以及相对误差,改进的支持向量机模型都要比神经网络模型要好。比较结果显示,改进的支持向量机模型具有更好的拟合精度。在改进的支持向量机模型算法基础上,本文采用Visual Basic语言与Matlab混合编程方法,编制了风机在线监测系统软件。Visual Basic语言具有优秀的界面开发功能和便捷的数据库操作功能,Matlab则具有强大的数值计算功能。在Visual Basic中调用Matlab计算模块形成的dll文件,将两种编程语言的优势相结合,来编制风机在线监测系统,起到事半功倍的效果。软件实时采集风机差压信号,通过实际风机性能曲线模型,计算出相应的流量值,并将工况点显示在性能曲线上,直观的反映出风机实时运行的工况,从而及时、准确的把握风机运行状态,对风机系统安全经济运行起到重要作用。