来源：期刊VIP网 时间：
作者：施庚伟;柯海森;朱勃旬;李孝禄;
单位：中国计量大学机电工程学院;
摘要：当前萃取分液主要通过人工观测和传感器进行，效率低、成本高。为了提高萃取分液成功率，解决异常状态未及时处理的问题，通过支持向量机（SVM）算法模型和多特征加权融合的策略研究了一种萃取分液异常的检测方法。该方法在高斯核SVM分类器的基础上，使用哈里斯鹰优化（HHO）算法；设计并搭建了实验平台和实时显示的检测系统，进行在线检测实验；确定分类器的最佳参数组合（惩罚参数C=256.45，核参数γ=56.23）并进行分液异常状态检测实验。实验结果显示，检测异常状态的准确率为98.25%，实际运行速度约为21 f/s，满足在线实时检测需求。实验结果证明：经过优化的SVM模型在与同类型的检测算法对比中拥有更高的检测准确率和更快的检测速率，检测效果优异，可应用于石化、制药行业中乙酸乙酯和甲苯在萃取不同化工成分时的场景，具有较高的实际应用价值。
关键词：萃取分液;;异常检测;;特征提取;;改进SVM分类器;;哈里斯鹰算法;;在线检测
