基于可见光图像的铁路接触网绝缘子污秽状况检测

为实现高速铁路接触网绝缘子污秽状况的在线检测,通过分析积污成分与污秽物分布情况,排除可见光图像中干扰因素的同时提取多个特征量描述绝缘子的污秽状况。通过实验样本测试验证该方法的判别精度,准确率可达到0. 908,该方法能够有效监测铁路接触网绝缘子的污秽状况。     

基于Canny边缘特征点的接触网绝缘子识别方法

针对使用机器视觉技术对接触网绝缘子状态检测时的绝缘子识别问题,提出一种结合Canny边缘特征和SURF点特征的绝缘子识别算法。该算法首先提取图像边缘特征,然后使用SURF算法在边缘图像上提取特征点,并利用Haar小波对特征点进行描述;对检测出的特征点使用欧氏距离比值法进行初匹配;最后用RANSAC算法消除由噪声等干扰产生的错误匹配,从而实现接触网绝缘子智能识别。实验结果表明,该算法能在有背景干扰、小幅度旋转的目标图像中准确识别出绝缘子,为电气化铁路接触网绝缘子智能清洗的视觉识别定位问题提供了可行参考。     

基于红外图像特征与BP神经网络的绝缘子串低零值故障和污秽故障识别方法

提出一种基于红外图像温度分布特征和BP神经网络(BPNN,back-propagation neural networks)的绝缘子串低零值故障和污秽故障识别方法。首先利用图像处理技术分割提取绝缘子串红外图像中钢帽和盘面目标区域,得到对应温度数据;之后引入K-means聚类算法剔除分割目标区域中背景像素温度数据的干扰,并计算每个分割区域温度平均值,形成反映绝缘子运行状态的钢帽和盘面温度特征向量;在此基础上,建立以温度特征向量为输入的BPNN模型,实现绝缘子串低零值故障和污秽故障的识别及故障定位。最后通过将模型应用于某500 k V变电站绝缘子串故障诊断,验证所提出方法的准确性。     

基于K两端聚类的污秽绝缘子放电状态评估

沿面放电是绝缘子污秽程度及运行状态的重要体现,实时掌握绝缘子的污秽放电状态对污闪的预防具有重大意义.根据污秽绝缘子在放电过程中泄漏电流的波形变化以及放电区段的划分特点,提出了一种基于K两端聚类的动态划分方法.分析污秽绝缘子在运行中受潮、形成干燥带及局部电弧、局部电弧发展至极端闪络的全过程,并依据绝缘子运行中工作电压和泄...     

运行复合绝缘子高光谱污秽检测技术

目前传统的高光谱污秽检测主要针对人工涂污样本。而运行复合绝缘子由于结构和自然积污复杂、基材浸污严重，难以运用其方法进行污秽检测。因此搭建了适用于绝缘子污秽检测的高光谱拍摄平台，并提出了一种基于高光谱的运行复合绝缘子污秽检测技术。首先，针对绝缘子光谱特性，提出了一种基于噪声学习的一维卷积降噪自动编码器(1D-RDCAE)高光谱数据转换方法，消除不同拍摄情况导致的谱线偏移现象。其次通过核主成分(KPCA)提取不同污秽程度的光谱特征；分别建立基于线性判别算法(LDA)、BP神经网络(BPNN)以及极限学习机(ELM)的运行复合绝缘子污秽检测模型。最终，检测结果表明，较之传统的高光谱污秽检测方法，笔者提出的污秽检测技术对不同拍摄情况下的污秽程度检测准确度有了大幅提高，由50%左右提高到了85%以上，为后续运行复合绝缘子光谱检测奠定了基础。     

污秽分布对陶瓷XP-70与玻璃LXP-70绝缘子放电影响的实验研究

基于绝缘子污秽分布的非连续特征,开展了非连续污秽分布对陶瓷XP-70与玻璃LXP-70绝缘子交/直流放电影响的实验研究。首先,基于紫外脉冲原理搭建了污秽绝缘子放电紫外脉冲检测系统。在此基础上,研究了非连续污秽分布对绝缘子交/直流放电紫外脉冲与泄漏电流的影响特性。试验结果表明:非连续污秽分布下陶瓷绝缘子交流放电紫外脉冲数高于全污秽绝缘子放电紫外脉冲数。全污秽陶瓷绝缘子直流放电紫外脉冲数明显高于其它污秽分布下绝缘子放电紫外脉冲数。玻璃绝缘子不同污秽分布下交/直流放电紫外脉冲数在不同电压等级下表现出较大差异。一般情况下,全污秽绝缘子泄漏电流高于非连续污秽分布绝缘子泄漏电流,洁净绝缘子泄漏电流小于污秽绝缘子泄漏电流,不同干带污秽绝缘子泄漏电流表现出差异化。绝缘子污秽非连续分布对泄漏电流表征污秽程度产生偏差,在实际中,可结合绝缘子放电紫外脉冲与泄漏电流检测综合评估绝缘子污秽程度。     

基于PCA-kmeans和图谱特征的绝缘子表面污秽程度评估方法

绝缘子污秽闪络是威胁输电线路外绝缘防护的主要故障，为了寻求一种可靠的非接触式绝缘子污秽状态在线检测方法，本研究以高光谱成像技术为基础，通过人工污秽试验制备了5个污秽等级下不同类型的污秽绝缘子样品，随后通过高光谱成像平台分别获取了不同污秽状态下绝缘子样品的图谱特征并进行了分析，在此基础上结合主成分分析法和k-means空间聚类实现了绝缘子表面污秽等级的评估，并结合主成分计算结果和伪彩处理可以实现绝缘子表面污秽分布的可视化。结果表明该方法可以准确地实现污秽状态的分类和识别，识别准确度均在93%以上，其中复合绝缘子的污秽等级识别率最高到达了96.5%。本研究为绝缘子污秽状态的可视化在线监测提供了一种新的技术手段，同时为后续高光谱成像技术的现场污秽检测应用提供了研究基础。     

基于随机森林模型的瓷绝缘子污秽等级判定研究

瓷绝缘子经常面临因表面污秽沉积而引起的闪络问题,给电力系统的安全稳定运行造成了严重的影响。表面泄漏电流法是对瓷绝缘子进行在线监测及污秽等级判定的重要方法,而判定的难点在于泄漏电流的环境因素、电气特征与表面污秽程度存在着非常复杂的非线性关系。在实验室模拟试验信号和现场运行实测信号的基础上,通过时域法和离散小波时频法分析获得了与绝缘子污秽度相关的重要电气特征量,建立了基于随机森林算法的瓷绝缘子污秽等级判定模型,验证实验结果表明该模型能有效识别绝缘子的污秽等级,且性能稳定可靠,可为瓷绝缘子的污秽监测及污闪的预防提供有效借鉴和参考。     

基于多光源图像信息融合的绝缘子污秽状态识别

绝缘子污秽状态非接触检测是智能变电巡检的重要组成部分,为有效提高绝缘子污秽状态识别率,提出了一种基于多光源图像决策级融合的污秽状态诊断方法。以沿海地区多所变电站中不同污秽状态的绝缘子为研究对象,采用种子区域生长法进行图像分割后,分别提取其可见光颜色空间特征、红外图像的灰度化特征以及环境特征,再依据Fisher判据筛选得到最优表征量,并设计支持向量机多值分类器进行污秽状态初判。基于各自识别结果,引入D-S理论进行决策级融合,实现绝缘子污秽状态的有效识别。试验结果表明:本文融合算法的正确率明显高于单种图像源的识别,达到95%左右,为带电检测作业中绝缘子的非接触检测及故障智能诊断提供了新思路。     

提升小波和模糊聚类在图像数字水印中的应用

将提升小波变换与模糊聚类相结合,提出一种基于变换域的自适应盲水印算法。算法利用提升小波变换得到图像的低频子图,结合人类视觉特征进行模糊C均值聚类,进一步划分出最适合水印嵌入的纹理区域,并嵌入经过混沌映射加密的水印。对比攻击实验表明该算法具有较好的透明性和鲁棒性,能有效抵抗多种类型的攻击。