用于海军舰船系统多重故障定位的循环图 Transformer 网络
系统与控制
2024-09-18 v1 系统与控制
摘要
在现代 MVDC 12kV 海军舰船系统中集成电力电子构建模块，提升了能量管理与功能性，但也引入了复杂的故障检测与控制挑战。这些挑战使传统故障诊断方法面临压力，导致在保持系统稳定性和性能的同时，难以检测和管理多个位置的故障。本文提出了一种用于海军 MVDC 12kV 舰船系统故障诊断的时序循环图 Transformer 网络。该深度图神经网络使用门控循环单元捕获时序特征，并使用多头注意力机制提取空间特征，从而提高了诊断准确性。该方法能够高精度地有效识别和评估连续的多重故障。该方法在 ESDRC 团队设计的 MVDC 12kV 舰船系统上进行了实现和验证，该系统包含了所有关键组件。结果表明，故障定位精度有显著提升，与其他机器学习方法相比，性能指标提高了 1-4%。
引用
@article{arxiv.2409.10792,
title = {Recurrent Graph Transformer Network for Multiple Fault Localization in Naval Shipboard Systems},
author = {Quang-Ha Ngo and Isabel Barnola and Tuyen Vu and Jianhua Zhang and Harsha Ravindra and Karl Schoder and Herbert Ginn},
journal= {arXiv preprint arXiv:2409.10792},
year = {2024}
}
备注
10 pages