-
题名电力设备红外援例诊断方法研究及其实现
- 1
-
-
作者
程宏波
王林
吴浩
谢子宁
李昊岭
-
机构
华东交通大学电气与自动化工程学院
人工智能四川省重点实验室
-
出处
《河南理工大学学报(自然科学版)》
北大核心
2025年第3期130-137,共8页
-
基金
国家自然科学基金资助项目(51967007)
江西省重点研发计划项目(20202BBEL53008)
人工智能四川省重点实验室开放课题(2022RZY01)。
-
文摘
目的为发挥红外诊断专家的经验知识,为电气设备故障的诊断及处理提供依据和参考,方法提出一种电力设备红外图像援例诊断方法,收集并整理电气设备的典型故障案例,建立电气设备典型故障的红外案例库;通过优化网络全连接层数量,利用全局平均池化代替最大池化对VGG-16深度学习网络进行改进,减少红外图像处理时中间特征的数量,降低图像匹配的计算工作量;利用改进的VGG-16网络提取红外图像的典型特征,计算待测图像与典型案例图像特征之间的余弦距离,利用余弦距离衡量待测图像与标准图像之间的相似程度,筛选最接近的相似案例,以相似案例为依据提供故障原因分析和处理措施建议。收集7种设备43类故障的典型案例200个,开发了电力设备红外援例诊断程序。结果实验结果表明,采用改进后的深度学习网络,单张红外图像匹配平均仅需要0.255 s,比SURF方法用时缩短85.5%,比SIFT方法用时缩短91.9%,提取特征进行匹配后诊断正确率可达94.74%。结论所提方法可提高红外图像处理的效率,具有较高的诊断准确率,可为电力设备红外诊断提供一种新的方法,诊断结果可整合既有的专家经验知识为现场故障处理提供指导,具有较好的应用潜力。
-
关键词
深度学习
红外检测
故障案例
援例诊断
-
Keywords
deep learning
infrared detection
fault case
aid case diagnosis
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TM507
[电气工程—电器]
-
