利用径向温度分布特征检测绝缘子污秽等级

为了实现绝缘子污秽状况的红外热像在线测量,提出一种基于径向温度分布特征的绝缘子污秽等级检测新方法.人工截取绝缘子图像区域,采用复小波广义交叉确认GCV阈值去噪方法抑制白噪声干扰,通过直方图包络线提取阈值分割图像,利用二值图像水平扫描采样绝缘子盘面边缘点,应用最小二乘拟合盘面边缘椭圆方程,获得椭圆内长轴以上图像区域,并提取径向温度分布特征表征绝缘子污秽程度,采用最近邻湿度条件下的最小距离分类器评定待检测绝缘子的污秽等级.试验结果验证了该方法的可行性和有效性.     

基于径向基概率神经网络的输电导线缺陷状态识别

输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。     

基于红外与紫外图像信息融合的绝缘子污秽状态识别

为了实现绝缘子污秽状态的非接触检测,提出了一种基于红外与紫外图像信息决策级融合的污秽等级识别方法。分别计算不同污秽等级绝缘子红外与紫外图像特征,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器的运算速度和准确性,利用核主元分析(KPCA)进行特征提取,分别得到红外与紫外特征的三维核主元向量,使用径向基神经网络(RBFNN)分别进行污秽等级识别,利用D-S证据理论对识别结果进行决策级融合,实现绝缘子污秽等级的识别。实验结果表明,该方法的正确率显著优于单独使用红外或紫外特征进行识别,为绝缘子污秽状态的非接触检测提供了新的方法。     

基于支持向量机的高压绝缘子污秽等级红外热像检测

提出了一种红外热像处理与支持向量机多值分类器相结合的新方法对高压绝缘子污秽等级进行检测.采用基于梯度信息的自适应平滑滤波方法对原始图像进行了滤波处理;利用OTSU图像分割方法对滤波后的图像进行分割,获取绝缘子盘面区域,并从绝缘子盘面区域提取了最高温度、最高温度与最低温度的比值、盘面温度的标准偏差、部分最高温度像素点个数与目标总像素点个数的比值共4个反映污秽程度的红外特征量;设计了支持向量机多值分类器对绝缘子污秽等级进行分级.试验结果表明,文中所选取的绝缘子红外特征量可有效表征绝缘子的污秽等级,所采用的支持向量机多值分类器是一个小样本、高效率的分类器,所提出的绝缘子污秽等级检测新方法是可行的.     

绝缘子污秽等级红外热像检测的视角影响分析

为了提高绝缘子污秽等级红外热像检测的准确性,提出利用绝缘子红外热像污秽等级分类特征的对比分析确定最佳成像角度的方法。该法采用直方图均衡化增强原始红外热像对比度,人工截取绝缘子盘面图像区域;基于盘面图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像;应用统计理论从绝缘子盘面图像提取最高温度、最低温度、平均温度、温度分布方差等10个红外热像污秽等级分类特征;运用Fisher准则对特征进行对比分析。瓷绝缘子人工污秽试验红外图像分析结果表明:成像角度变化显著的改变所得绝缘子表面热场;下盘面特征比上盘面特征有更好的分类性能。推荐绝缘子污秽等级红外成像检测应以下盘面为准。     

基于主成分和小波神经网络的绝缘子污秽放电发展阶段识别

针对绝缘子污秽放电模式识别过程中声发射信号的特征参量维数过高的问题,采用主成分分析法对特征参量降维,利用提取到的绝缘子污秽放电声发射信号的特征参数构成原始特征参量矩阵,通过对原始特征参量矩阵进行K-L正交变换,产生了包含原始特征参量矩阵主要信息的K个主成分,最后利用小波神经网络进行绝缘子污秽放电的模式识别。结果表明:利用主成分分析法降低特征参量的维数,使分类器的结构更简单,小波神经网络比传统的BP神经网络具有更高的识别率和更优的识别效果。     

相对温度分布特征与人工神经网络相结合的零值绝缘子识别方法

提出利用绝缘子串相对温度分布特征和人工神经网络模型相结合的方法识别不同污秽等级、不同湿度条件下的零值绝缘子。试验获取模拟110 kV线路悬式绝缘子的红外运行图像,经图像去噪、分割等预处理后,提取绝缘子串区域相对温度分布特征参数作为识别零值绝缘子的温度信息特征量,并结合环境相对湿度、等值附盐密度作为识别模型的输入向量,将实际测定绝缘子串是否含零值的状态分类信息作为输出向量,通过训练得到优化的识别模型,并用于零值绝缘子识别。试验结果验证该方法准确性高,可为输电线路瓷绝缘设备的故障检修提供参考和方法借鉴。     

Recognition of control chart patterns using swarm intelligence and neural networks based on the statistical and shape features

Automatic recognition of abnormal patterns in control charts has seen increasing demands nowadays in the manufacturing processes. In this paper, a hybrid intelligent system is proposed for the recognition of control chart patterns. In this system, we have used a proper set of shape features and statistical features as the efficient characteristics of the patterns. Then we proposed a hybrid heuristic recognition system based on particle swarm optimization to improve the generalization performance of the radial basis function neural network classifier. For this purpose, we have optimized the classifier design by searching for the best value of the parameters that tune its discriminate function. The obtained results show that the proposed technique has high recognition accuracy in comparison with other techniques. This recognition accuracy is achieved with fewer training samples. IEEJ Trans 2010 DOI: 10.1002/tee.20610