基于多特征提取和麻雀搜索算法優(yōu)化XGBoost的變壓器繞組松動診斷方法

打開文本圖片集

摘  要：

針對使用單一特征量診斷變壓器繞組松動，在不同負載條件下存在交疊和抗干擾能力不足的問題，提出一種基于核主成分分析（KPCA）和改進麻雀搜索算法（SSA）優(yōu)化極端梯度提升（XGBoost）的變壓器繞組松動振動診斷方法。首先，從時域、頻域和熵值3個維度提取適用于變壓器多傳感器振動信號的多種特征量；其次，通過網(wǎng)格搜索優(yōu)化的KPCA對特征量進行降維；最后，構(gòu)建基于XGBoost的故障診斷模型，并采用改進麻雀搜索算法調(diào)參，實現(xiàn)不同電流大小下變壓器繞組松動故障準確識別。（剩余21614字）