Abstract: Z. Li, G. Wu, D. Xin, S. Li, F. Liu, G. Liu, Z. Zeng (in press)

To address the nonstationary nature of partial discharge (PD) signals in vehicle cable terminals, strong feature coupling, and limited separability among defect types, this paper proposes an integrated feature modelingâ€“deep recognition framework for PD defect identification. First, we develop a Dual Branch Differential Fusion Encoding strategy (DBDF-Encoding), in which continuous wavelet transform (CWT) is used to capture fine-grained timeâ€“frequency details and a Gramian Angular Difference Field (GADF) is introduced to extract global spatial encoding features. In addition, a differential channel is constructed to explicitly amplify inter-class discrepancies. These components together form a three-channel RGB PD image, enabling complementary multi-view feature fusion and enhanced discrimination. Second, we design a Recurrent Vision Transformer (RVT) architecture. At the image-sequence level, a long short-term memory (LSTM) network is employed to model local sequential dependencies, and this is combined with the Vision Transformer's global self-attention to capture long-range structural information. In this way, the network achieves joint representation learning that integrates local correlations with global patterns for robust classification. Finally, we build a PD experimental platform for vehicle cable terminals, fabricate multiple typical insulation defect samples, and collect a PD dataset. Comparative and validation experiments are conducted to evaluate the proposed DBDF-Encoding and RVT methods. The results show that the proposed framework more effectively represents multi-scale discriminative information in PD data, improves defect identification performance and generalization, and achieves an average accuracy of 95.63%.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Dual-Branch Differential Fusion Encoding and Recurrent Vision Transformer for PD Pattern Recognition in Vehicle Cable Terminals