基于改進(jìn)蜣螂算法優(yōu)化CNN-BiLSTM-Attention的串聯(lián)電弧故障檢測(cè)方法

打開(kāi)文本圖片集

摘 要：針對(duì)故障電弧特征提取不足、檢測(cè)精度不高等問(wèn)題，提出一種多特征融合的改進(jìn)蜣螂算法（IDBO）優(yōu)化融合注意力（Attention）機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)（CNN）和雙向長(zhǎng)短期記憶（BiLSTM）神經(jīng)網(wǎng)絡(luò)的串聯(lián)電弧故障檢測(cè)方法。通過(guò)實(shí)驗(yàn)平臺(tái)提取電流的時(shí)域、頻域、時(shí)頻域以及信號(hào)自回歸參數(shù)模型特征;利用核主成分分析（KPCA）對(duì)特征進(jìn)行降維融合，并將求取的特征向量作為CNN-BiLSTM-Attention的輸入向量;引入Cubic混沌映射、螺旋搜索策略、動(dòng)態(tài)權(quán)重系數(shù)、高斯柯西變異策略對(duì)蜣螂算法進(jìn)行改進(jìn)，利用改進(jìn)蜣螂算法對(duì)CNN-BiLSTM-Attention超參數(shù)優(yōu)化實(shí)現(xiàn)串聯(lián)電弧故障診斷。（剩余13120字）