融合高效局部注意力机制和KAN-ResNet的船舶电网短路故障诊断OA

针对船舶电网短路故障诱因呈现非线性耦合特征,为提高电网短路故障诊断的准确性,提出一种融合高效局部注意力机制和科尔莫戈洛夫-阿诺尔德网络与残差网络结合的新算法。首先,通过Matlab/Simulink平台仿真获取多种典型短路故障数据,利用小波包分解提取多尺度时频能量特征,生成时频能量特征图谱,以增强故障特征的表达能力,并利用高效局部注意力机制在水平方向和垂直方向聚焦时频能量突变区域,赋予更高权重以实现关键特征识别。其次,对残差网络的全连接层替换为科尔莫戈洛夫-阿诺尔德网络层,使其更灵活地捕捉输入特征之间的复杂非线性关系,减少模型可能出现的过拟合现象。最后,与其他网络模型进行了对比实验。结果表明,所提的模型抗噪性能良好,可以高精度识别船舶电网短路的故障类型。