基于可解释人工智能的电弧故障诊断软评估指标
人工智能
2025-07-22 v1 信号处理
摘要
新型基于 AI 的电弧故障诊断模型在分类准确率方面展现出优异的性能。然而，一个固有问题在于这些模型是否真正能被信任以发现电弧故障。有鉴于此，本研究通过定义对电弧故障的正确解释，并利用可解释人工智能和真实电弧故障实验，提出了一种软评估指标来解释电弧故障诊断模型的输出。同时，提出了一种轻量级平衡神经网络，以保证具有竞争力的准确率和软特征提取得分。在我们的实验中，利用多种传统机器学习方法和深度学习方法，在两个具有不同采样时间和噪声水平的电弧故障数据集上测试了该软评估指标的有效性。通过该方法，电弧故障诊断模型易于理解和信任，使从业者能够做出知情且可信的决策。
引用
@article{arxiv.2507.15239,
title = {Explainable Artificial Intelligence based Soft Evaluation Indicator for Arc Fault Diagnosis},
author = {Qianchao Wang and Yuxuan Ding and Chuanzhen Jia and Zhe Li and Yaping Du},
journal= {arXiv preprint arXiv:2507.15239},
year = {2025}
}