在發電廠中，九洲風機清楚知道風機是大型的回轉設備之一，是煙風系統的動力源，風機的安全、經濟運行關系到電站整個機組的安全性和經濟性，因此對風機性能、運行狀態的實時監測具有極其重要的意義。風機流量是風機系統運行的標志性參數之一，可以說風機性能在線監測的關鍵就是對風機流量的準確實時監測。根據通風機的基本理論，通風機的進出口壓差和流量有著穩定、良好的非線性映射關系，通過參數之間的映射關系可以達到流量監測的目的。風機運行參數之間的關系可以用性能曲線表示，所以性能曲線模型的建立是風機性能在線監測的前提。

        分別采用神經網絡和支持向量機方法建立風機的差壓-流量曲線模型。由于BP神經網絡方法和支持向量機方法建立模型精度較低，于是，采用遺傳算法對BP神經網絡初始權值、閾值進行優化；采用群體智能算法對支持向量機參數優化。通過實驗數據對建立的改進神經網絡模型和支持向量機模型進行測試，九洲風機發現無論是平方相關系數，還是均方誤差以及相對誤差，改進的支持向量機模型都要比神經網絡模型要好。比較結果顯示，改進的支持向量機模型具有更好的擬合精度。

        在改進的支持向量機模型算法基礎上，將兩種編程語言(VisualBasic語言與Matlab混合編程方法)的優勢相結合，來編制風機在線監測系統，起到事半功倍的效果。軟件實時采集風機差壓信號，通過實際風機性能曲線模型，計算出相應的流量值，并將工況點顯示在性能曲線上，直觀的反映出風機實時運行的工況，從而及時、準確的把握風機運行狀態，對風機系統安全經濟運行起到重要作用。