共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
针对复合绝缘子高声衰减性导致的内部缺陷超声检测定位定量差的问题,采用全聚焦方法(TTFM)改善检测质量。基于k-Wave工具箱开展复合绝缘子内部缺陷超声全聚焦检测仿真研究,讨论频率、相控阵阵元数、缺陷尺寸等因素对检测结果的影响并开展检测实验。结果表明,采用全聚焦方法检测复合绝缘子内部缺陷的效果良好。频率对检测结果的影响较大,选择较大频率时超声波的穿透力减弱,超声波在复合绝缘子中的衰减系数增加;选择较小频率时探头检测分辨力降低,影响缺陷的定量,所以在检测复合绝缘子时应选用合适的频率,选用的4种不同频率中2.5 MHz频率的成像效果综合最佳。阵元数和缺陷尺寸对检测结果影响较小,在实际检测中应根据实际工程需要选择合适的阵元数。研究结果为超声全聚焦方法检测复合绝缘子内部缺陷提供了理论依据。 相似文献
4.
5.
复合绝缘子在不同缺陷类型下表现出不同的发热特征,基于复合绝缘子中心轴温度数据,提出了一种基于一维残差网络的复合绝缘子发热缺陷检测方法。首先,统计分析复合绝缘子不同缺陷类型下的异常温升范围及位置信息,得到各缺陷类型下的复合绝缘子中心轴温度数据样本集;然后,建立一维残差网络模型,在残差块中引入空洞卷积来扩大感受野,并加入有效通道注意力机制模块(efficient channel attention network, ECA_Net),提升与缺陷类别相关性较高的特征权重;最后,进行了算例验证及模型对比,同时采用t分布随机紧邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)可视化方法,反映模型特征提取的效果。结果表明:该模型能够有效捕捉中心轴线温度数据的空间维度信息,自适应提取类别区分度较大的特征,相较于普通卷积、自编码器(auto encoder, AE)和支持向量机(support vector machine, SVM),其识别准确率得到了提升,具有较好的鲁棒性和泛化能力,实现了端到端的复合绝缘子发热缺陷检测。 相似文献
6.
110kV线路的分布范围较广,其运行环境较为恶劣。随着社会经济的迅速发展,配电网的容量和电压等级都得到了提高,但环境污染也变得越来越严重,导致110kV线路绝缘子的污闪事故频发。本文在分析了污闪形成机理的基础上,对引起110kV线路绝缘子污闪事故的主要原因进行了分析,并提出相应的防污闪对策,希望能够提高防污闪的效果,保证电力系统运行的安全性与稳定性。 相似文献
7.
绝缘子在高压输电领域起着重要作用,长期承受着高电压和高机械负荷,同时受大气环境的影响,这些因素会导致绝缘子的劣化,在一定的条件下会发生局部放电甚至闪络,从而导致大面积停电事故,基于此,文章采用紫外成像法对线路绝缘子进行带电检测,旨在及时发现问题绝缘子,对保证输电线路的安全运行起到了积极作用。 相似文献
8.
绝缘子在运行过程中长期承受机电负载、冷热变化,会出现绝缘电阻降低、绝缘子开裂等情况;对供电安全带来较大隐患,设计一种绝缘子带电检测机器人成为一种有效的解决方案。机器人可完成在绝缘子串上的前后移动,自动检测绝缘子片的绝缘性能和外观特征,对劣质绝缘子及表面缺陷进行有效判别及预警,提高检修效率,降低输电线路运维成本,提高整个线路绝缘子串的整体管理水平。 相似文献
9.
10.
11.
电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。 相似文献
12.
在分析输电线路无人机巡检系统航拍图像中绝缘子及其自爆缺陷特征的基础上,提出一种玻璃绝缘子自爆缺陷的检测及定位方法。该方法首先在色调、色饱和度、亮度(HSI)颜色空间分别对 H(Hue)和 S(Saturation)分量运用最大类间方差法(OTSU)分割图像,获取绝缘子前景连通域;之后,运用直方图方法对检测到的前景轮廓的倾角和面积分布进行统计,准确识别绝缘子轮廓;最后,设计了一种特征检测算法,检测并标记自爆绝缘子位置。实验证明该方法能从自然背景中准确检测并定位绝缘子自爆缺陷,具有较好的工程应用价值。 相似文献
13.
针对航检视频中绝缘子、销钉部件缺陷的问题,采用人工智能检测识别技术,将OCR识别技术、图像显著性特征提取、知识图谱构建、超分辨技术处理以及部件缺陷的深度训练学习与检测等多种技术相融合。通过对图像中杆塔关键部位图像进行检测,构建杆塔关键部件缺陷特征数据库及样本库,实现对杆塔图像中关键部件缺陷的快速、精准识别。经过实践测试,航检图像中绝缘子和销钉缺失缺陷检测平均识别率大于90%,检测速度较人工检测速度提高70%,对输电线路的安全运行有着一定的应用价值,同时为电业局航检视频分析创造经济价值。 相似文献
14.
绝缘子自爆缺陷检测对于保障输电线路的安全具有十分重要的作用,准确快速检测算法能够帮助运维人员快速定位自爆缺陷绝缘子的位置,并及时更换.传统的人工检测方法已无法满足检测的要求,面向图像的绝缘子自爆缺陷检测算法在其检测的准确性和快速性上仍面临着极大挑战,必须进一步对算法进行改进.本文首先介绍了绝缘子自爆缺陷图像的预处理过程... 相似文献
15.
文章提出一种基于深度学习技术的高铁接触网绝缘子缺陷智能识别方法.首先利用EfficientNet-B3网络对绝缘子状态进行初步判别,再使用YOLO-V5模型实现绝缘子缺陷信息精确检测.同时,构建了正常、缺损、闪络3种状态,共计3000张图像的绝缘子样本集.实验表明,文章方法对绝缘子状态初步识别的准确率为93.1%,召回... 相似文献
16.
17.
基于深度卷积神经网络的输电线路可见光图像目标检测 总被引:1,自引:1,他引:0
为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子,本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片,对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块,采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络,首先用Cifar-100数据集对网络进行预训练,然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时,假阳率低于10%,明显优于传统方法,可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测,检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测,并可扩展到其它类型目标的检测。 相似文献
18.
19.