基于改进蜣螂算法优化CNN-BiLSTM-Attention的串联电弧故障检测方法

打开文本图片集

摘 要：针对故障电弧特征提取不足、检测精度不高等问题，提出一种多特征融合的改进蜣螂算法（IDBO）优化融合注意力（Attention）机制的卷积神经网络（CNN）和双向长短期记忆（BiLSTM）神经网络的串联电弧故障检测方法。通过实验平台提取电流的时域、频域、时频域以及信号自回归参数模型特征;利用核主成分分析（KPCA）对特征进行降维融合，并将求取的特征向量作为CNN-BiLSTM-Attention的输入向量;引入Cubic混沌映射、螺旋搜索策略、动态权重系数、高斯柯西变异策略对蜣螂算法进行改进，利用改进蜣螂算法对CNN-BiLSTM-Attention超参数优化实现串联电弧故障诊断。（剩余13120字）