关键词:
零样本学习
特征提取
故障诊断
变权属性矩阵
摘要:
针对变压器故障数据的稀缺性及数据分布中存在的长尾现象,导致故障诊断准确率低的问题,该文提出一种基于变权属性矩阵的变压器零样本故障诊断技术。首先,采用改进的高效通道注意力网络-堆栈式自编码器(IECANet-SAE)网络构建特征提取模块,自适应地提取油中气体数据的关键特征信息;其次,利用基于潜在狄利克雷分布的主题建模方法构建变权属性矩阵;最后,提出基于神经网络的朴素贝叶斯(NNB)方法学习已知故障特征信息与属性矩阵的空间映射关系,建立零样本故障诊断模型并依靠模型实现未知故障类型诊断。应用IEC TC 10故障数据库及典型故障数据对所提方法加以验证。试验结果表明,所提出的方法具有更好的诊断效果,且在零样本条件下故障诊断平均准确率高达83%,平均诊断时间达0.18 s。