[发明专利]一种改进粒子群优化支持向量机的精馏塔故障诊断方法

摘要

本发明提供了一种改进粒子群优化支持向量机的精馏塔故障诊断方法，本发明按照如下步骤进行优化：(1)系子群初始值的设定，给定参数C,σ的范围。(2)随机产生粒子的位置与速度，根据适应度函数评价每个微粒的适应值。(3)根据相应的改进公式更新速度和位置。(4)检查是否满足终止条件，如果满足就结束寻找，不满足再返回步骤2重新计算。(5)得到优化的支持向量机的参数，建立改进粒子群优化支持向量机模型。本发明有效的改善普通粒子群优化支持向量在一开始在速度极限值选择上过大或过小而引起的陷入局部最优等的问题。

主权项

1.一种改进粒子群优化支持向量机的精馏塔故障诊断方法，其特征在于，包括如下步骤：步骤1：粒子群初始值的设定，给定输入数据X＝{X₁,...,X_n}和学习目标y＝{y₁,...,y_n}均来源于精馏塔故障数据，给定参数C,σ的范围，C是惩罚系数，σ是选择RBF函数K(x_i,x_j)＝exp(||x_i‑x_j||²/σ²)作为kernel后，该函数自带的一个参数；步骤2：随机产生粒子的位置与速度，根据适应度函数评价每个微粒的适应度值；步骤3：根据以下公式更新速度和位置；v_id(t+1)＝v_id(t)+c₁r₁(p_id‑x_id(t))+c₂r₂(p_gd‑x_id(t))x_id(t+1)＝x_id(t)+v_id(t+1)式中，i＝1,2，...n，为第i个粒子；d＝1,2,...m，为第d维；p_id为第i个粒子目前为止最优位置；p_gd为整个粒子群搜索到的最优位置；c₁和c₂为非负常数即加速因子，r₁和r₂服从[0,1]上的均匀分布随机数，V_id关于时间t的一个速度变量，X_id关于时间t的一个位置变量，e表示为在模型的设定的最大的允许变化的范围；步骤4：检查是否满足终止条件，如果满足就结束寻找，不满足再返回步骤2重新计算；步骤5：得到优化的支持向量机的参数，建立改进粒子群优化支持向量机模型；步骤6：将步骤5得到的参数代入到支持向量机中；支持向量机区分类别的最优化公式：式中，j＝1,...,k；w^j为第j个样本的超平面法向量，C为惩罚因子，ξ为松弛变量；约束条件：式中，Φ：X→H的一个映射函数，X为输入的精馏塔故障数据，H为希尔伯特空间，b为截距常量，y_t表示t时刻学习目标为二元变量y＝{‑1,1}之一；其中，核函数选择K(x_i,x_j)＝exp(||x_i‑x_j||²/σ²)式中，i＝1,2，...n，j＝1,2，...n，x_i＝[x₁,...,x_n]∈X表示其中输入数据的每个样本包含的多个特征量空间，x_j＝[x₁,...,x_n]∈X表示其中输入数据的每个样本包含的多个特征量空间。