基于频率响应信号PCA的陶瓷绝缘子缺陷检测

为了对陶瓷绝缘子缺陷进行检测，利用频率响应分析法(FRA)识别陶瓷绝缘子主要固有模态的峰值范围，运用时间频域特征提取的主成分分析(PCA)对陶瓷绝缘子进行缺陷检测。通过选取安装在500kV输电塔上材质为方石英和氧化铝的67个陶瓷绝缘子样本，研究了瓷体、瓷帽和内部三种典型的陶瓷绝缘子缺陷类型。通过PCA对时间数据和频率响应数据提取特征进行分析，实现了对完好、瓷体缺陷、瓷帽缺陷、内部缺陷和材质的区分问题。实验结果表明：内部缺陷表现为固有模态的消失或新模态的产生，基于时间数据的PCA对数据方差贡献最大的向量达到99.74%，可以区分瓷体缺陷和材质；基于频率响应数据的PCA对数据方差贡献最大的向量达到96.70%，可实现陶瓷绝缘子内部缺陷检测。     

基于多算法融合的破损陶瓷绝缘子图像识别与检测方法

为了提高输电线路安全稳定运行,在传统检测绝缘子缺陷的基础上,提出一种多算法融合的破损陶瓷绝缘子检测方法。基于FASTER-RCNN算法,将拍摄到的绝缘子图像进行训练,得到绝缘子串具体位置,并改进SBGFRLS（线性自适应滤波）算法,实现对瓷绝缘子破损的精确识别。首先利用FASTER-RCNN算法,选择Faster R-CNN网格作为检测器,识别出利用无人机拍摄得到的图像中的绝缘子串所在位置;然后,利用SVM（支持向量机)算法对绝缘子图像进行粗分割,得到粗分割后的绝缘子缺陷识别图,再在粗分割的基础上,运用改进的SBGFRLS算法对图像中的绝缘子进行精确识别,得到破损绝缘子定位图。实验结果表明,得到的绝缘子破损识别图可以验证该改进算法的可行性和有效性。     

鸟啄对220kV站用复合支柱绝缘子表面电场特性的影响

由于220kV站用复合支柱绝缘子,伞裙和护套材料易被鸟啄导致损伤,严重威胁电网安全.因此本文基于有限元方法研究鸟啄对220kV站用复合支柱绝缘子表面电场特性的影响.研究结果表明:鸟啄损伤不仅对损伤部位的电场有影响,也会影响整个绝缘子的表面电场,顶端有损伤的绝缘子表面电场最大值和平均值均比未损伤时的增加.且整个伞裙的电场平均值随着损伤面积的增加而增加.顶端损伤对整个绝缘子伞裙的表面电场最大值和平均值影响最大.但底端损伤对损伤位置的表面电场最大值影响最大.     

融合PHOG和BOW-SURF特征的接触网绝缘子缺陷检测方法

绝缘子图像中存在的噪声对提取绝缘子细节纹理特征具有较大影响,单个特征描述子不能描述绝缘子的更多细节纹理特征,而提取到绝缘子细节纹理特征的多少直接影响了绝缘子缺陷检测的精度和速度.针对以上问题,提出改进快速导向滤波算法和融合PHOG与BOW-SURF特征来实现绝缘子缺陷的精确检测.首先,采用改进的快速导向滤波算法对接触网绝缘子原始图像进行滤波;然后,提取绝缘子滤波后图像的PHOG和BOW-SURF特征;最后,将两者融合后送入SVM分类器进行训练,实现绝缘子缺陷的检测.实验结果表明,该方法检测绝缘子缺陷的精度为100%,平均每张图像的处理时间为0.039s,为接触网悬挂状态检测监测装置对图像分析及缺陷检测奠定了必要的基础.     

一种基于超声检测图像的缺陷自动识别算法

传统探伤都是通过大量的人力对探伤图逐一判断,探伤效率低下,正确率不高。本文针对探伤A超图像序列提出了一种自动识别探伤的算法。通过分析探伤图像,首先对原图进行k-means聚类的分割,得到带有虚景的探伤声波图像。为了抑制虚警,得到完整的声波图像,本文使用了投影算法,并取得了很好的效果。最后在得到的声波图像上进行底波和缺陷波的检测,实现缺陷的自动识别。实验表明,本文提出的方法具有很高的准确率。     

航拍图像中绝缘子缺陷的检测与定位

长期暴露在自然环境下的绝缘子易产生自爆缺失故障,对此提出了一种绝缘子缺陷检测和定位的图像处理方法。依据绝缘子在航拍图像中的型态特征,采用最大类间方差法以及中值滤波进行图像预处理,提出基于粒子群优化参数的蚁群算法来检测其中的绝缘子轮廓及其数目,最终实现在原图中标记出缺陷绝缘子所在位置的目的。该方法针对简单背景下绝缘子缺陷的标记具有良好的效果,并为进一步实现复杂背景下绝缘子缺陷检测和定位提供了预研基础。     

基于Mask RCNN的绝缘子自爆缺陷检测

针对绝缘子自爆缺陷位置检测问题,提出了一种基于Mask RCNN的绝缘子自爆缺陷检测的方法。通过构造基于Mask RCNN的绝缘子串分割模型,在获取的掩模图像中引入最小外接矩形提取绝缘子串图像,从而搭建基于Mask RCNN的自爆缺陷检测模型,检测绝缘子串中的自爆位置。结合两个模型,将绝缘子串位置及其自爆缺陷位置映射到...     

三支柱绝缘子的设计与研究

气体绝缘金属封闭输电线路(GIL)是一种可以克服输电走廊复杂环境限制、实现城市中心大容量输电的高电压电力传输设备。GIL主要包括三支柱绝缘子、微粒捕捉器、壳体及导体等。三支柱绝缘子作为GIL的关键零部件之一,其电气性能及机械强度直接影响着GIL的运行稳定性。从GIL整体结构设计入手,详细论述了550 kV GIL三支柱绝缘子的优化设计过程,并以电磁场理论为基础对三支柱电场进行仿真解析。通过引入“电场面积”的概念,对比不同尺寸下三支柱沿面电场强度阶梯下的面积大小,得出最优结构。该设计解决了三支柱绝缘子沿面放电的问题,为GIL的开发及应用提供参考。     

数字超声波探伤仪在液化气储罐探伤中的应用

主要介绍采用PXUT-280型全数字智能超声波探伤仪对液化气储罐的对接焊缝进行超声波探伤的调试步骤、扫查方法、缺陷测长方法、缺陷性质判断,还简单介绍了管座角焊缝和氢鼓包的超声波探伤。     

基于周期性结构特征的绝缘子掉片检测算法

由于受强电场、机械应力、污秽、温度以及湿度等影响,绝缘子经常出现内部裂缝、表面破损、绝缘阻抗降低及污闪等现象,进而造成电网停电事故,自动地检测绝缘子缺陷对保障电力网络的安全运行具有重要的意义。本文根据绝缘子相邻伞裙间距的不变性特点,提出一种绝缘子的掉片检测算法,首先,采用基于直方图的自适应分割方法,提取绝缘子区域图像,并进行水平倾斜校正,然后,利用灰度归一化相关匹配方法,估计绝缘子几何结构的周期性参数,最后,利用灰度归一化相关匹配方法,检测绝缘子掉片位置。针对无人机巡检的809张缺陷绝缘子数据集,绝缘子掉片检测的准确率和召回率分别达到95.8%和91.9%。与现有的方法相比,其优点是不需要事先利用大样本进行统计学习,对尺度、旋转、光照、背景以及绝缘子种类的变化均具有很强的适应性。     

基于3D塔架配准的绝缘子自爆缺陷检测

在航拍图像的绝缘子检测中,图像的拍摄条件会导致背景的复杂程度不同,如何保持在多样背景下的绝缘子检测效果成为急需解决的一个重要问题。提出一种自适应的绝缘子自爆缺陷检测方法,该方法利用3D模型定位,并将绝缘子自身的绝缘子片作为模板检测缺陷。首先利用每种塔架的3D模型图与其对应的标准图进行SIFT点匹配,再利用随机抽样一致性方法找到标准图到待检测图的转换矩阵,从而找到塔架上每个绝缘子的位置;然后将图像转为HSV模型后,利用小波变换处理H通道,再进行二值化;最后通过Radon变换确定二值化图像中绝缘子中轴的大致方向并转正,去掉噪声点,取第一片绝缘子片作为模板在中轴滑动,记录每片绝缘子位置的像素分布直方图,利用地球移动距离EMD方法判断分布是否存在异常,最后再显示出自爆绝缘子片的位置。测试结果表明,该方法的自爆缺陷检测效果良好,具有较高的正确率和鲁棒性。     

轻量级YOLOV3的绝缘子缺陷检测方法

绝缘子是输电线路的重要组成部分,其能否正常工作直接影响电网的稳定运行。为此,研究了智能绝缘子缺陷检测方法。通过无人机的航拍图像制作数据集,利用K-means++算法确定先验框,基于YOLOV3检测架构构建一种改进的轻量级网络。实验结果表明,该方法提升了高清绝缘子的图像检测速度,且能够完成绝缘子定位及缺陷检测。     

基于双模型的输电线绝缘子自爆检测算法

针对输电线路无人机巡检图像中绝缘子自爆缺陷目标小而难以精准检测的问题,提出一种基于Faster R-CNN和改进的YOLO v3级联双模型的绝缘子自爆缺陷检测算法。首先,利用无人机巡检图像构建绝缘子串缺陷数据集,并对训练图像样本进行翻转预处理,增加样本数量,提高模型泛化能力,避免过拟合;然后,利用Faster R-CNN检测图像中的绝缘子串,再将检测到的绝缘子串图像送入改进的YOLO v3网络进行自爆缺陷的定位。改进的YOLO v3网络是在YOLO v3基础上借鉴FPN的思想,增加特征提取层并进行特征融合,充分利用深层特征和浅层特征;同时采用CIoU Loss函数作为损失函数,以解决边界框宽高比尺度信息。实验结果表明,本文算法在所构建的绝缘子缺陷数据集上的检测准确率达到91.2%,相比Faster R-CNN或YOLO v3等单模型检测算法提升了3.31个百分点以上,能有效实现无人机巡检中绝缘子自爆缺陷的检测,为输电线路智能化巡检故障诊断提供方法支持。     

高灵敏度绝缘子电晕放电检测系统研究

绝缘子是电力系统中非常重要的一类电气设备,由于电、热、机械力、污秽的积累等环境因素的作用会使其绝缘性能出现劣化和下降,可能使得绝缘子的表面形成放电,甚至会发生沿面闪络,危害了电力系统的安全;在此基础上提出基于日盲紫外线精确测试紫外线强度的方法,研制了基于日盲紫外线检测技术的绝缘子电晕放电检测装置,通过不同劣化程度和不同污秽条件的盘行悬式瓷绝缘子的实际测试,验证了该装置通过日盲紫外线强度的监测能够定性判断绝缘子的劣化程度和污秽程度,为输电线路绝缘子实时状态监测提供依据.     

基于电磁波检测的高压低零值瓷绝缘子判别技术及应用

瓷质绝缘子因常年暴露在户外，容易受到雷击、雨雪、污闪的影响导致绝缘击穿而成为零值绝缘子。为优化提升零值绝缘子的损伤辨识精度，提出一种基于电磁波检测的高压零值绝缘子判别技术。利用磁天线阵列的方向性与组阵压缩磁天线感知信号空间，使磁天线屏蔽压缩空间外的噪声和干扰信号。设计宽频带磁天线采集系统，通过宽、窄频磁天线接收零值瓷绝缘子在高压状态下的放电电磁脉冲信号，利用FFT技术对采集信号进行数据处理，根据频谱波形的幅度波动即可判断被测绝缘子是否存在放电现象以及放电严重程度。现场实验印证了所提方法的有效性和实用性。     

基于决策树的焊缝缺陷类型识别研究

自动对射线底片图像进行分析和缺陷类型识别是无损探伤研究领域的一个热点。在对焊缝射线底片进行图像去噪和图像增强的基础上,对焊缝底片图像进行二值化处理,进而提取焊缝缺陷图像及其特征,再采用决策树方法建立焊缝缺陷特征的分类规则,并用这些规则对二值化后的焊缝缺陷图像进行分类识别。实验结果表明,基于决策树方法对焊缝缺陷图像识别的准确率高,而且所表达的知识易于理解。     

基于MATLAB的绝缘子自爆缺陷检测系统

针对绝缘子长期裸露在自然环境中致使浮尘等污渍在其表面附着堆积形成通路,导致绝缘子被两端电压击穿,以及在自然环境中由于雷电天气,使绝缘子损坏自爆,对输电线路存在极大隐患的问题,为及时发现输电线路中绝缘子自爆缺陷,采用无人机在输电线路巡检中所采集到的有关绝缘子串的图像,研究基于MATLAB图像处理的绝缘子自爆缺陷检测与判定...     

形状感知的绝缘子识别与缺陷诊断

目的 在无人机检测输电线路缺陷的研究中,为提高识别绝缘子的正确率,克服基于颜色来识别绝缘子方法的不足,依据绝缘子串的形状结构特征,研究了一种自底向上感知聚类平行线段的方法。方法 首先将在巡检图像上提取到所有方向的分段划分为6组方向线段,在每一组方向线段中,将线段长度、方向及中心点排列方向一致的线段聚类为平行线组,将平行线组合并,并整理其外接形状,结合输电线路知识模型,可靠识别绝缘子区域。为诊断玻璃绝缘子的掉片缺陷,依据计算出绝缘子的排列方向及片之间距离进行自适应分块,计算每一块的惯性矩均值特征量与惯性矩方差值特征量,依据分块之间特征量相似度来诊断是否存在掉片缺陷。结果 相比基于HSI颜色识别绝缘子的方法,识别绝缘子内部的多平行线段的结构,表现得更稳定,更适用于输电线路巡检。结论 通过无人机巡检采集的输电线路图像,实验结果验证这种方法在复杂背景的条件下能有效识别各种类型绝缘子并能检测绝缘子的掉片缺陷。     

尺寸和发射频率对换能器声场影响仿真分析

在实际探伤过程的研究中,超声换能器的尺寸和发射频率,对辐射声场分布及指向性特征直接影响探伤效果,正确选择换能器具有重要意义.为了正确进行探伤并保证效果,对尺寸及发射频率对换能器辐射声场的影响进行分析.对超声波声场进行仿真的难点在于数学模型的建立,以往给出的数学模型有很多缺陷,无法给出整个换能器辐射声场的解析表达式.采用的高斯声束模型克服了以往方法的缺陷,能够以简单的解析表达式描述整个换能器辐射声场,并在Matlab中仿真了不同尺寸和不同发射频率的圆形活塞换能器的辐射声场,可正确地分析尺寸及发射频率,为换能器辐射声场的设计提供依据.     

基于PCA的超声缺陷类别识别方法研究

考虑超声回波信号不同参数对某一具体缺陷类别的不同重要性,在超声检测缺陷信号特征提取的基础上,提出采用主分量分析法对其分析。分析结论取代传统的直接把缺陷特征向量分类器作为输入的方法,避免冗余特征对缺陷类别识别的影响。将锻件中三类常见缺陷的特征向量分别进行主分量分析,并通过利用BP神经网络的泛化性能分别构建了分类器。利用DS证据理论对神经网络的输出进行融合识别。通过现场采集的超声探伤信号,对提出的分析方法进行验证,缺陷类别的识别率有较大提高,说明了该方法的有效性。