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,...,Xn}和学习目标y＝{y1,...,yn}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(xi,xj)＝

2 2

exp(||xi‑xj||/σ)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；

vid(t+1)＝vid(t)+c1r1(pid‑xid(t))+c2r2(pgd‑xid(t))xid(t+1)＝xid(t)+vid(t+1)式中，i＝1,2，...n，为第i个粒子；d＝1,2,...m，为第d维；pid为第i个粒子目前为止最优位置；pgd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，Vid关于时间t的一个速度变量，Xid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：j

式中，j＝1,...,k；w为第j个样本的超平面法向量，C为惩罚系数，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，yt表示t时刻学习目标为二元变量y＝{‑1,1}之一；

2 2

其中，核函数选择K(xi,xj)＝exp(||xi‑xj||/σ)式中，i＝1,2，...n，j＝1,2，...n，xi＝[x1,...,xn]∈X、xj＝[x1,...,xn]∈X表示其中输入数据的每个样本包含的多个特征量空间，且i≠j。