基于改进的遗传算法优化支持向量机的精馏塔故障诊断

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。