[发明专利]基于灰狼算法与支持向量机顶吹熔炼系统异常诊断方法

权利要求书

1.基于灰狼算法与支持向量机顶吹熔炼系统异常诊断方法，其特征在于，包括：

步骤1：采集顶吹熔炼系统中的监测数据，基于最大信息系数对监测数据进行特征优选，获取最优特征集；

步骤2：将最优特征集分为训练集和测试集；

步骤3：使用改进灰狼算法优化支持向量机的核函数参数与惩罚因子，根据优化后的核函数参数与惩罚因子进行SVM建模，得到GWO-SVM分类模型；

步骤4：根据所述训练集对所述GWO-SVM分类模型进行支持向量机训练，基于训练后的GWO-SVM分类模型针对所述测试集进行异常诊断，并输出异常诊断结果。

2.根据权利要求1所述的基于灰狼算法与支持向量机顶吹熔炼系统异常诊断方法，其特征在于，步骤1中，获取最优特征集的过程如下：

步骤1-1：将监测数据的特征放置在二维坐标系中；

步骤1-2：对所述二维坐标系进行多次网格划分；

步骤1-3：计算在每次网格划分下，每一块网格中的特征之间的互信息值，计算每次网格划分的最大互信息值，并建立最大互信息矩阵；

步骤1-4：将最大互信息矩阵做标准化处理；

步骤1-5：根据标准化处理的最大互信息矩阵计算最大信息值，计算公式为：

其中，X,Y分别为给定的两变量，I(X(G),Y(G))表示互信息，logmin{x,y}表示为归一化，B为最大网格数，通常取B＝n^0.6，n为数据量；

步骤1-6：根据计算的最大信息值得到特征变量的相关性，并依据特征变量的相关性从小到大依次排序，依据排序剔除预设的特征变量个数，未剔除的特征变量为最优特征集。

3.根据权利要求1所述的基于灰狼算法与支持向量机顶吹熔炼系统异常诊断方法，其特征在于，步骤3中，改进灰狼算法步骤如下：

步骤3-1：初始化灰狼种群N，随机初始化灰狼的位置，最大迭代次数为T，初始化迭代次数t，令t＝1,随机初始化目标适应度值；

步骤3-2：根据莱维飞行对灰狼捕食位置进行位置更新；

步骤3-3：计算每个灰狼个体的适应度值；若新个体的适应度值优于旧个体，则更新新一代个体，由新个体替换原来的位置，并更新适应度值；反之，保留旧个体，原来的适应度值保持不变；

步骤3-4：根据更新的适应度值计算并更新灰狼算法参数；

步骤3-5：若当前迭代次数大于最大迭代次数，输出核函数参数与惩罚因子；否则，t＝t+1,返回步骤S3-2。

4.根据权利要求3所述的基于灰狼算法与支持向量机顶吹熔炼系统异常诊断方法，其特征在于，所述步骤3-2中，位置更新的公式如下：

其中，X_alpha取0.01，X_Levy(u)为随机搜索路径，u的取值为1.5，为点对点乘法；Xα为α狼当前位置。

5.根据权利要求4所述的基于灰狼算法与支持向量机顶吹熔炼系统异常诊断方法，其特征在于，所述随机搜索路径公式为：

X_Levy(u)＝X_step·[X(t)-X_m(t)]·X_randn

其中，u的取值为1.5，X_m(t)为当前迭代时α、β、δ狼的位置，X_randn为区间[0，1]之间的随机数，X(t)为当前迭代ω狼的位置，t为迭代次数，X_step表示服从一定分布规律的随机数，Γ()表示一种函数关系，μ和v服从正态分布，μ～N(0,1)，ν～N(0,S²)，