基于 Transformer 的光纤放大器故障诊断方法
信号处理
2025-09-05 v2 机器学习
摘要
提出一种基于 Transformer 的深度学习方法，可用于基于条件监控时间序列数据诊断光纤放大器的故障情况。该模型称为逆三重属性自注意力 Transformer（Inverse Triple-Aspect Self-Attention Transformer, ITST），采用编码器-解码器架构，编码器中使用三条特征提取路径、解码器使用特征工程数据，并运用自注意力机制。结果表明，ITST 在分类准确率方面优于现有研究成熟模型，能够实现光纤放大器的预测性维护，从而减少网络停机时间和维护成本。
关键词
引用
@article{arxiv.2505.06245,
title = {A Transformer-Based Approach for Diagnosing Fault Cases in Optical Fiber Amplifiers},
author = {Dominic Schneider and Lutz Rapp and Christoph Ament},
journal= {arXiv preprint arXiv:2505.06245},
year = {2025}
}
备注
This paper has been accepted for publication at the 25th International Conference on Transparent Optical Networks (ICTON) 2025