改进鲸鱼算法优化SVDD的辊道窑窑温异常检测

针对现有辊道窑窑温异常检测是依靠经验设置固定阈值,存在效率低、容易造成误警等问题,提出改进鲸鱼算法优化支持向量数据描述方法(IWOA-SVDD)。采用自适应反向学习策略使鲸鱼算法搜索效率提升,加快收敛速度,又引入高斯变异算子,避免在迭代后期陷入局部最优解而过早收敛。采用改进鲸鱼算法对SVDD的核心参数惩罚常数c和核宽度σ进行寻优。使用UCI数据集进行验证,结果表明,改进鲸鱼算法对SVDD的优化相比粒子群算法、遗传算法和传统鲸鱼算法效果更好,识别精度更高。与常用的过程监控方法——核主成分分析和核偏最小二乘法进行对比实验,结果表明,所提方法检测结果更加准确、误警率更低,验证了所提出算法的优越性。