高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ

基于改进的遗传算法优化支持向量机的精馏塔故障诊断

刘璐 刘爱伦

刘璐, 刘爱伦. 基于改进的遗传算法优化支持向量机的精馏塔故障诊断[J]. 华东理工大学学报(自然科学版), 2011, (2): 228-233.
引用本文: 刘璐, 刘爱伦. 基于改进的遗传算法优化支持向量机的精馏塔故障诊断[J]. 华东理工大学学报(自然科学版), 2011, (2): 228-233.
LIU Lu, LIU Ai-lun. Fault Diagnosis of Distillation Column Based on Improved Genetic Algorithm Optimization-Based Support Vector Machine[J]. Journal of East China University of Science and Technology, 2011, (2): 228-233.
Citation: LIU Lu, LIU Ai-lun. Fault Diagnosis of Distillation Column Based on Improved Genetic Algorithm Optimization-Based Support Vector Machine[J]. Journal of East China University of Science and Technology, 2011, (2): 228-233.

基于改进的遗传算法优化支持向量机的精馏塔故障诊断

Fault Diagnosis of Distillation Column Based on Improved Genetic Algorithm Optimization-Based Support Vector Machine

  • 摘要: 针对支持向量机(SVM)参数的选取困难,提出了利用改进的遗传算法(IGA)对其参数进行优化。IGA采用代沟选择和可变交叉概率,确保当前种群中最适应的个体总是被连续传播到下一代,并使进化后期优化的对象比较容易稳定,计算效率提高。将基于改进遗传算法优化的SVM(IGA-SVM)训练算法应用于某醋酸共沸精馏塔的故障诊断,仿真实验结果表明:对比标准GA-SVM算法,IGA-SVM算法对故障数据能够得到较优的分类辨识结果,且该算法训练速度更快,便于工程应用,对精馏塔的故障诊断有显著的指导作用。

     

  • 加载中
计量
  • 文章访问数:  1518
  • HTML全文浏览量:  110
  • PDF下载量:  654
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回