语义增强模糊原型网络在少样本有载分接开关故障诊断中的应用
《Applied Sciences》:Semantic-Enhanced Fuzzy Prototypical Network for Few-Shot Fault Diagnosis of Transformer On-Load Tap Changers
【字体:
大
中
小
】
时间:2026年10月02日
来源:Applied Sciences 2.5
摘要
有载分接开关(OLTC)对变压器的可靠运行至关重要,但在实际应用中机械故障样本难以获取,这限制了传统数据驱动方法在有限样本条件下的特征表示和诊断性能。为解决这一问题,本文提出了一种语义增强模糊原型网络(SFPN),用于少样本OLTC故障诊断。在时域、频域和时频域构建了三个并行编码器,以提取互补的振动特征。故障描述通过预训练文本嵌入模型进行编码,并通过跨模态注意力与振动特征进行融合。然后根据支持样本的类别隶属度构建模糊原型,以减少不确定样本对原型估计的影响。实验使用从自建OLTC机械故障仿真平台采集的振动信号进行。在闭集4类5样本的元学习任务设置下,其中故障类别在元训练期间被观测到,5样本表示每个元任务中每类有5个支持样本,SFPN实现了97.24 ± 0.48%的平均诊断准确率。SFPN在不同的支持样本数量和噪声水平下均保持优越性能,证明了其在有限支持条件下闭集OLTC故障诊断中的有效性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号