变电站红外图像的识别与故障诊断

论文摘要

随着电力工业的迅速发展,电网容量和电压等级也随之不断提高,为了保证供电的可靠性和安全性,对运行中电气设备的温度进行监视并自动进行故障诊断显得尤为重要。本课题不仅进行了变电站红外图像处理及识别技术的研究,还给出了一种简易的故障诊断方法。本文首先分析了两种红外图像灰度预处理方法,并根据红外图像噪声种类和特性,采用基于小波变换和均值滤波的去噪法对红外图像进行消噪处理,有效地抑制了图像中的噪声信号。其次,在研究众多图像分割方法的基础上,提出了基于形态学的最大类间方差法和Krisch算子的图像分割法。实验结果表明该方法可应用于变电站图像分割。然后根据变电站图像的特征,采用Hu不变距进行特征提取,并针对提取的Hu矩各分量数值的数量级差别过大,不能同等体现各分量重要性的问题及Hu距对二维离散图像不满足尺度收缩不变性的问题提出改进。实验结果表明,改进的Hu矩能有效的解决这两方面的问题。利用改进的Hu矩提取变电站设备图像的特征,建立红外图像数据库,并利用最近邻分类器进行识别,取得了较为满意的识别率。最后在识别结果的基础上,分析红外诊断方法和变电站设备热故障的原因及其分类,并结合红外图像数据库中的温度信息,实现了基于相对温差判断法的红外图像故障自动诊断系统。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题的研究背景和意义
• 1.2 国内外的应用和研究现状
• 1.2.1 红外技术在电力设备检测中的应用
• 1.2.2 红外图像识别与诊断技术在国内外的发展及研究现状
• 1.3 本文工作流程和结构安排
• 2 变电站红外图像预处理
• 2.1 红外图像的噪声处理
• 2.1.1 中值滤波
• 2.1.2 平均邻域法
• 2.1.3 基于小波变换和均值滤波的去噪方法
• 2.1.4 实验结果与分析
• 2.2 红外图像的对比度增强
• 2.3 本章小结
• 3 变电站红外图像分割
• 3.1 基于边缘检测的红外图像分割研究
• 3.1.1 边缘检测原理
• 3.1.2 经典边缘检测算子
• 3.1.3 Kirsch 边缘检测算子
• 3.1.4 Kirsch 边缘检测算子的快速算法
• 3.1.5 实验结果与分析
• 3.2 基于阈值的红外图像分割研究
• 3.2.1 最大类间方差法
• 3.2.2 最小误差法
• 3.2.3 最大熵法
• 3.2.4 实验结果与分析
• 3.3 基于形态学的最大类间方差法和Kirsch 算子的图像分割法
• 3.3.1 最大类间方差法和Kirsch 算子相结合的图像分割法
• 3.3.2 形态学细化算法
• 3.3.3 实验结果与分析
• 3.4 本章小结
• 4 基于改进Hu 距的红外图像识别
• 4.1 矩的概念
• 4.2 矩的物理意义
• 4.3 基于Hu 矩的特征提取
• 4.3.1 Hu 矩的定义
• 4.3.2 Hu 矩的特征提取
• 4.4 基于改进Hu 矩的特征提取
• 4.4.1 改进Hu 矩的不变性测试
• 4.4.2 改进Hu 矩的特征提取
• 4.5 最近邻分类识别
• 4.6 本章小结
• 5 基于相对温差法的变电站红外故障诊断
• 5.1 红外诊断技术介绍
• 5.1.1 红外诊断技术的特点
• 5.1.2 红外诊断方法
• 5.2 变电站红外图像故障诊断
• 5.2.1 变电站设备热故障的原因和分类
• 5.2.2 红外图像数据库的建立
• 5.2.3 变电站设备故障的自动诊断
• 5.2.4 实验结果与分析
• 5.3 本章小结
• 6 结论
• 6.1 本文主要工作
• 6.2 问题与展望
• 致谢
• 参考文献
• 附录