| 基于殘差注意力自適應去噪網絡和Stacking集成學習的局部放電故障診斷 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>5350 K | |
| 標簽： 氣體絕緣開關柜 局部放電 Stacking集成學習 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對傳統局部放電（Partial Discharge， PD）故障診斷方法在處理復雜含噪PD信號存在局限性并依賴于人工去噪和專家經驗，難以學習到PD特征多樣化表達等問題，分別提出殘差注意力自適應去噪網絡（Residual Attention Adaptive Denoising Network， RAADNet）和基于Stacking集成學習的PD故障診斷模型。RAADNet基于殘差網絡結構設計，通過集成CAM注意力機制和軟閾值函數實現自適應去噪；Stacking集成模型的基學習器分別由基于卷積神經網絡的RAADNet、基于多頭自注意力機制的Transformer以及基于Boosting集成策略的XGBoost多個差異化模型共同構建構成。實驗結果表明，提出的RAADNet優于其他先進方法，識別準確率達到93.99%，Stacking集成模型則通過學習多樣化特征表達，進一步提高模型性能，達到96.79%識別準確率。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2