ABB DSTD150A++ABB DSTD150A@@ABB DSTD150A

ABB DSTD150A

ABB DSTD150A

ABB DSTD150A

ABB DSTD150A

基于KPCA的变换器故障诊断

KPCA采用核化的思想，将样本映射到更高维度的空间，再应用基础的PCA技术，实现更高维空间数据的映射和投影。映射投影后的特征向量，能够充分表征变换器的运行特性，实现了故障特征向量的降维。与PCA方法相比，KPCA方法使用非线性映射函数将输入变量映射到高维的线性空间，增强了对非线性数据的处理能力。

文献[18]采用KPCA方法，对绝缘栅双极晶体管开路故障的特征向量进行降维，实现了维度的约减。文献[19]针对异步电动机驱动电路的三相电流特征，通过Concordia技术变换后，再采用KPCA进行信号处理，此方法适用于不同负载条件下的故障诊断。文献[20]针对异步电动机单故障信号的局限性和故障特征的强非线性，提出一种基于异构信息特征融合的故障诊断方法，对振动和电流信号进行处理。KPCA充分应用不同信息源间的冗余互补信息和特征数据间的非线性关系，***地描述了设备的运行状态。

基于KPCA的方法虽能够实现原始非线性数据的处理，但该方法主要将数据往高维和低维空间进行投影以达到降维的目的，此过程主要通过阈值来保存信息，以至于丢失了部分原始数据特征量，这就造成变换器故障诊断精度不高且诊断失误等现象。