摘要：提出了基于核主元分析（KPCA）和邻近支持向量机（PSVM）的汽轮机凝汽器过程监控和故障诊断新方法,将数据先用核主元法进行分析和处理,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间中进行特征提取,若数据的Hotelling＇sT2和Q统计量超过控制限,说明有故障发生,则计算样本的非线性主元得分向量,并将其作为输入值送入已训练好的邻近支持向量机进行故障类型识别。该方法可以有效地捕捉变量间的非线性关系,过程监控和故障诊断效果明显好于PCA-PSVM法。汽轮机历史故障特征数据集仿真试验证明了该方法的有效性。

关键词：核主元分析 邻近支持向量机 过程监控 故障诊断 

单位：上海交通大学自动化系; 上海市闵行区200240; 国家电网公司; 北京市西城区100031