[发明专利]基于支持向量机和遗传优化的多元质量过程失控信号诊断方法

权利要求书

1.基于支持向量机和遗传优化的多元质量过程失控信号诊断方法，其特征在于按如下步骤进行：

第一步：根据多元过程的均值维数确定可能导致多元质量过程异常的信号类型，即确定分类器模型的结构；

第二步：使用遗传算法对支持向量机的径向基函数参数g和惩罚因子C进行寻优；

第三步：利用得到的最优参数训练获得最优的支持向量机分类器模型，并以此对多元过程失控信号进行诊断。

2.根据权利要求1所述的基于支持向量机和遗传优化的多元质量过程失控信号诊断方法，其特征在于，所述的第一步包括：

对于一个P维工序过程，其每个变量有正常和异常两种状态，共有2^p种可能的情况，一旦T²控制图发现过程异常，其异常情况一定属于(2^p-1)种异常状态之一，将这(2^p-1)种不同的异常状态看成是(2^p-1)种需要加以识别的异常模式，则多元过程的质量诊断问题就是一个多类型的模式识别问题。

3.根据权利要求1所述的基于支持向量机和遗传优化的多元质量过程失控信号诊断方法，其特征在于，所述的第二步包括：

步骤A：采用实数方式对支持向量机分类器的惩罚因子C和径向基函数g进行二进制编码，且设定C和g的搜索空间分别为(0，100)、(0，100)，对每一个个体使用10位的二进制编码，个体经过编码成为染色体，初始种群随机产生；

步骤B：解码和计算适应度函数的值，种群规模设定为15，充分考虑多元过程的特点，将获得的识别率作为计算每个染色体的适应度值，计算公式如下：

f(X)=nN]]>

式中，n为分类器针对某一特征所识别的正确的模式数，N表示均值矢量的识别总数；

步骤C，基于遗传算法对支持向量机的核参数和惩罚因子进行迭代寻优。

4.根据权利要求3所述的基于支持向量机和遗传优化的多元质量过程失控信号诊断方法，其特征在于，所述的步骤C的基于遗传算法对支持向量机的核参数和惩罚因子进行迭代寻优包括以下步骤：

c.1>设定最大遗传代数gen=200，种群个体数为15；

c.2>确定适应度函数值：以惩罚因子C和径向基函数g为基础，运用SVM对训练集进行交叉验证，进而根据适应度函数计算出适应度函数值；

c.3>选择，交叉，变异操作：如果所得的识别率没有达到给定的精度且迭代次数还没有达到最大，则进行选择、交叉、变异操作重新获得新一代种群，分别设定遗传概率Pc=0.9，单参数ε的选取相当于一个一维优化问题，给定ε的取值范围并离散化，取不同的离散值使遗传算法目标函数值最大，经计算选ε为0.01；

c.4>获得最优的惩罚因子C和径向基函数g：如此反复迭代，直至满足条件时输出此时的最优染色体，并将此染色体进行解码以获得最优的支持向量机参数。

5.根据权利要求1所述的基于支持向量机和遗传优化的多元质量过程失控信号诊断方法，其特征在于，所述的第三步包括：

针对多元的P维工序过程，运用优化的支持向量机分类器模型对(2^p-1)种不同的异常情况进行分类识别。