基于Transformer-卷积神经网络和度量元学习的高压断路器小样本机械故障诊断

一、研究背景：高压断路器故障诊断的挑战

高压断路器（HVCB）是电网的核心保护设备，​机械故障占比高达70%​，但现场诊断面临两大难题：

1. ​样本稀缺​：高压断路器操作频率低，故障样本难以获取（图3展示现场采集系统）。

2. ​泛化性差​：传统CNN模型在跨设备（如真空断路器 vs SF6断路器）诊断时性能骤降。

---

二、模型组成：TML三阶段架构

1. ​TCNN混合特征提取器​

• ​局部特征捕获​：4层ResNet卷积块（结构见表1）提取振动信号局部特征。

• ​全局依赖建模​：Transformer编码器通过多头注意力建立长程依赖。