基于压缩感知的电力设备红外图像盲超分辨率方法

电力设备红外图像采集过程中出现的分辨率降低和模糊现象是影响红外诊断准确性的重要因素。然而现有超分辨率方法一般假设模糊核已知,但当假设核偏离真实核时方法性能会显著降低。该文针对这一问题,提出一种压缩感知盲超分辨率改进方法。以图像退化模型为基础,结合图像在变换域内稀疏为先验知识,实现图像的超分辨率重建。在重建过程中通过红外图像亮度分量的极值分布先验信息促进模糊核的优化求解以及重建图像反卷积去模糊运算,将传统的非盲超分辨率方法改进为盲超分辨率方法。在提高模型准确性的同时,提升了重建图像细节纹理的质量。并对压缩感知基础模型进行改进变形,以此为基础设计了高效求解算法,最终实现高分辨率图像的高质量重建,从而更好地适应工程应用需求。实验结果表明该文提出的盲超分辨率方法与已有方法相比,其重建得到的红外图像结果无论在主观视觉还是客观评价指标上,均有着一定优势,能够更好地适应现场采集到的低分辨率红外图像超分辨率重建需求。     

基于聚合多尺度特征的图像轮廓增强超分辨率重建算法

为了提高超分辨率重构算法对图像边缘轮廓的修复能力,消除重构图像存在伪影的问题,提出一种基于聚合多尺度特征的图像轮廓增强超分辨重建生成对抗网络。将多尺度卷积与通道注意力机制相结合,使用一次性聚合多尺度特征结构,构建多级残差模块,让生成器网络能自适应地提取特征层中的潜在关键信息,同时完成不同特征层的信息融合。定义高斯滤波卷积核与不同方向的索贝尔卷积核,构建边缘损失函数,该损失函数能加强对图像边缘轮廓信息的修复;结合全变分损失函数,减少低分辨率图像噪声对重构图像的影响,进一步提高图像轮廓信息修复能力。为了提高判别器对不同特征的自适应学习能力,在判别器中使用自适应归一化层,增强网络的收敛能力。在Set5、Set14、BSD100数据集上进行图像重构,经实验结果表明,提出的算法使重构图像的轮廓进一步加强,整体视觉质量更好。同时所提算法与超分辨率生成对抗网络(SRGAN)对比,2倍超分辨重建图像的峰值信噪比平均提高了1.696dB,结构相似性指标平均提高了0.03;4倍超分辨重建图像的峰值信噪比平均提高了1.348dB,结构相似性指标平均提高了0.033。     

基于卷积神经网络的深度图像超分辨率重建方法

为了更有效地提高深度图像的分辨率,构建了一种更深层次的深度图像超分辨率重建的卷积神经网络。该网络直接将低分辨率深度图像作为网络的初始输入,通过卷积神经网络学习图像的高阶表示,获得更具有表达能力的深层特征,同时在网络的输出层引入亚像素卷积层,针对提取到的特征学习不同上采样滤波器,实现上采样放大操作。为了实现网络更好地收敛,在网络中加入了残差网络结构。在4个常用数据集上的实验结果表明,与其他先进方法相比,该方法网络收敛速度更快,并可以有效地保护图像的边缘结构,解决伪影问题,且在定性和定量两方面均取得了很好的重建效果。     

基于压缩感知的电力设备红外图像非盲自适应超分辨率方法

电力物联网建设过程中,红外传感技术应用越加广泛,然而受成本限制难以实现高精度红外传感器的大规模装设。因此文中提出了一种压缩感知自适应非盲超分辨率方法,以改善低成本红外传感器成像质量。该方法以压缩感知超分辨率模型为基础,结合图像去模糊先验信息,提出了压缩感知非盲超分辨率模型。并采用双先验二次估计的方式求解正则项惩罚参数,实现对约束项的自适应强度控制。求解过程中首先通过高斯先验对模糊图像进行初步反卷积重建,以阈值收缩的方式分离重建图像显著边缘,生成标签图像。之后根据图像内部像素点语义的不同,控制超拉普拉斯先验正则项强度,在提升重建图像清晰度的同时避免伪影振铃的产生。并针对所提模型设计了有效的求解算法。实验结果表明与现有经典非盲超分辨率方法相比,该方法重建得到的高分辨率红外图像无论在主观视觉还是客观评价指标上,均有着一定优势。且最终进行的红外图像识别对比实验,也证明了该方法重建的高分辨率红外图像能够更好地解决电力行业的实际问题。     

特高压换流站保护系统全景监视图像超分辨率重建方法研究

针对特高压换流站全景监视系统运行环境导致的视频图像抖动、镜头出现积灰等问题,以及基于深度学习的高分辨率图像重建算法存在细节特征失真和计算复杂度较高的缺陷,提出一种基于多尺度卷积块和残差网络的图像超分辨率重建方法,通过增加具有较小内核的深度卷积层来获取图像的鲁棒细节特征,并在训练过程中加入残差网络,加快网络收敛速度,解决消失梯度,改善图像重建质量。对部分标准数据集和特高压换流站全景监视图像数据集进行了图像超分辨率重建和目标识别实验研究,与超分辨率卷积神经网络(super-resolution convolutional neural network, SRCNN)和快速超分辨率卷积神经网络(fast SRCNN, FSRCNN)方法相比,所提算法的结构相似指数均值分别增加了0.004 3和0.0298,峰值信噪比分别提高了0.17 db和0.83 dB。实验结果表明所提方法重建了细节信息更逼真的高分辨率图像,可以满足换流站全景监视的需求。     

基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法

针对输电线路巡检中可能存在拍摄图像质量不高的问题,以及线路缺陷目标小而分布密集而导致传统方法检测精度不高的问题,提出一种基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法。首先,使用超分辨率网络对巡检图像进行重建,提升清晰度,丰富图像中包含的特征信息;然后使用改进的YOLOX网络检测巡检图像中的缺陷,在主干网络中嵌入卷积块注意力机制,强化模型对重叠小目标的定位能力;为进一步提升小目标的检测能力,在YOLOX的特征融合网络中新增浅层检测尺度进行特征融合;最后,通过使用CIOU优化边界框损失函数提升模型收敛能力,降低缺陷目标的漏检率。实验结果表明,所提方法能在提升巡检图像质量的基础上对输电线路缺陷准确地检测,精度达到93.27%,相比SSD等经典模型,对小而密集的缺陷目标有着更强的提取能力和鲁棒性。     

改进的联合型图像超分辨率重建算法

针对传统锚定邻域回归(anchored neighborhood regression, ANR)的图像超分辨率方法缺乏灵活性、且对图像的细节没有很好的恢复能力的缺点,提出一种锚定邻域回归和卷积神经网络(convolution neural network, CNN)相结合的图像重建方法。首先,在ANR中提出使用弹性网络回归模型,使算法具有特征选择的特点。其次,在CNN的图像预处理部分使用lanczos3插值方法,加快了运算速度,在特征提取中提出使用具有自门控特性的Swish函数作为激活函数,用于提高测试准确度。最后,在重建图像的评价方面提出了图像的相关系数,并用于对重建图像做进一步的有效性评估。实验结果证明,所提方法平均峰值信噪比(PSNR)达到了32.68,平均结构相似性(SSIM)达到0.938 0,平均相关系数达到0.982 8。算法有效地恢复了图像的细节部分,图像质量得到了进一步提升。     

基于多尺度图像配准方法

针对不同波段的TM图像，文中提出一种以交互反差为准则基于多尺度的图像配准方法。本方法解决这种具有不同灰度属性的图像配准问题，并用Matlab程序仿真，验证本方法的实用性。     

基于神经网络的电气自动化设备故障智能检测方法

电气自动化设备故障智能诊断是确保电气自动化设备能够稳定运行的基础,但传统故障诊断技术存在故障诊断精度低的问题,因此开展了基于神经网络的电气自动化设备故障智能诊断的研究.通过构建电气自动化设备故障智能诊断模型,对参数进行统一化处理;利用神经网络自适应的模式识别技术,基于神经网络提取离散型故障信号;将适应值精确到函数中具体的某个点坐标上,以输入节点作为故障征兆,输出节点作为故障原因,实现电气自动化设备故障智能诊断定位.试验结果表明,设计的故障诊断技术能够诊断出数量更多的电气自动化设备故障,故障诊断精度更高,可以实现对电气自动化设备故障智能的精准诊断.     

电气设备故障维修探讨

随着我国经济的快速发展,生产企业对电气设备的效能要求不断提升,由此对电气设备运行的稳定性也有了更高要求.电气设备一旦出现故障,将会直接影响企业的生产效率.本文首先介绍了电气设备的常见故障及其处理方式,然后对现阶段电气设备的故障维修方法进行了详细探讨,以期为企业相关设备维修人员提供参考.     

关于特征气体法判断充油电气设备故障的讨论

阐述了利用气相色谱分析方法判断变压器充油电气设备内部存在的潜伏性故障,分析了特征气体法判断充油电气设备内部故障的类型,以及判断原理和方法,并举例阐述了特征气体法判断充油设备内部故障。     

基于OpenCV的电气柜电气符号识别方法

提出了基于OpenCV函数库,对摄像头范围内的目标物体进行轮廓提取及识别携带信息的方法。对精准识别电气符号的颜色、轮廓、内容有较高的可行性,实现了从人工巡检向机器巡检的转变。     

基于信号奇异性分析的电气自动化设备故障检测研究

为优化电气自动化设备故障检测的效率与质量,提出基于信号奇异性分析的故障检测法.首先,对电气自动化设备的特征进行分析,并对故障信号信噪分离方法、小波变换变换分析法进行阐述.其次,基于小波变换分析,获取奇异性信号及其特征信息,通过构建奇异性特征分析函数,判断故障点位置.最后,对该故障检测方法进行实证分析,结果显示,该故障检...     

基于变结构模型的电气设备短路电流计算

基于变结构模型短路电流计算原理,将断路器（或隔离开关）用一条支路为零的支路来模拟,从而计算出断路器两侧发生短路时,流过断路器的短路电流。该模型正好解决了电气设备的选取和校验、继电保护选择和整定中所需要解决的关键问题。给出了变结构模型的短路电流程序设计步骤,结合算例,运用C语言编制的程序给出了计算结果,并与对称分量法的短路电流计算结果进行了比较,校验该算法的实用性和正确性。     

基于辨识模型的变压器故障诊断方法研究

提出了一种基于辨识模型的电力变压器绕组变形和铁心松动的故障检测方法。根据变压器的运行特点,结合其正常状态和故障状态下不同的振动特性,利用安装在变压器表面的振动传感器监测振动信号,对振动信号进行频谱分析,并根据振动特征频谱判定变压器中是否存在绕组变形和铁心松动故障,实例验证了该方法的正确性。     

基于限流器本体信号的短路故障快速识别方法

短路故障快速识别是串联谐振型限流器控制策略的重要环节。文章利用限流器谐振元件电压差在短路故障时会发生突变的机理,提出谐振电压差识别方法。从合闸角和故障距离等参数角度分析了识别方法的时间特性,搭建了基于可编程技术的触发系统,用模型实验验证了所提方法的快速性。仿真结果表明谐振电压差法响应速度快,而且不受故障参数变化的影响,但会受到断路器开闭操作的干扰,因此谐振电压差法需和短路电流瞬时值法相互配合。模型实验表明谐振电压差法能在1 ms内发出故障判据信号,从而能极大地提高限流器工作的快速性。     

基于自适应模糊推理的电力设备故障诊断研究

将自适应神经网络的自学习优点与模糊数学的模糊推理方法有效结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题;利用自适应神经网络的自学习功能,确定了模糊规则和模糊隶属度,建立了变压器故障诊断的ANFIS模型,实现了电力设备故障诊断,反映了变压器的运行状态。     

基于相对测量法的容性设备故障定位研究

在容性设备绝缘在线监测中以PT二次电压信号作为相位参考存在不足,为了准确监测设备的绝缘状态,基于相对介损测量法,利用3δ准则通过相对介损历史监测数据来确定介损的正常变化范围,然后根据相对介损值变化向量确定故障台数,进而由故障诊断矩阵对单台或多台故障设备进行准确定位。最后通过实验室人工模拟实验验证了本方法的有效性。