原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
冯新，等：一种融合交叉注意力的电能质量扰动分类方法
延边大学学报（自然科学版）
第50卷第3期Vol.50No.3
JournalofYanbianUniversityNaturalScienceEdition
（）
2024年9月Sept.2024
文章编号：1004-4353（2024）03-0038-04
一种融合交叉注意力的电能质量扰动分类方法
冯新，杨雄
（福州大学至诚学院
计算机工程系，福州
350002）
摘要：为提高电能质量复合扰动信号的识别精度，提出了一种结合卷积神经网络、双向长短期记忆网络和交叉注意
力机制的分类预测模型CNN-BiLSTM-CAF.首先，利用快速傅立叶变换提取扰动信号的频域特征，并将其和原始信
号的时间特征分别输入到卷积神经网络中以提取全局特征；然后，采用双向长短期记忆网络对全局特征进行时序建
模，并通过交叉注意力机制进行特征融合和增强；最后，通过全连接层和Softmax层输出电能质量扰动的分类预测结
果.仿真实验表明，所提出模型在叠加信噪比的分类任务中其识别率均超过96%，且优于其他对比模型；因此，该模
型可应用于电能质量扰动的精确分类.
关键词：电能质量；卷积神经网络；双向长短期记忆网络；扰动分类；交叉注意力
中图分类号：TP183文献标志码：A
Apowerqualitydisturbanceclassificationmethodintegrating
cross-attention
FENG Xin，YANG Xiong
( DepartmentofComputerEngineering，ZhichengCollegeofFuzhouUniversity，Fuzhou350002，China)
Abstract:Inordertoimprovetherecognitionaccuracyofpowerqualitycompositedisturbancesignals，aclassification
predictionmodelCNN-BiLSTM-CAFcombiningconvolutionalneuralnetwork，bidirectionallongshort-termmemory
networkandcrossattentionmechanismisproposed.Firstly，thefrequencydomainfeaturesofthedisturbancesignalare
extractedbyfastFouriertransform，andthefrequencydomainfeaturesandthetimefeaturesoftheoriginalsignalare
respectivelyinputintotheconvolutionalneuralnetworktoextracttheglobalfeatures；then，thebidir
文档评论（0）