基于改进MSER算法的电力设备红外故障区域提取方法

红外图像处理中因目标边界模糊、区域灰度变化等因素,导致传统的极大稳态区域方法区域提取效果低下。为此,提出一种基于改进极大稳态区域方法的电力设备红外故障区域提取机制,提升区域提取效果。首先,从灰度相似度聚类出发,采用Meanshift算法对分割区域的邻域像素进行聚类。其次,结合阈值分割机制,快速将相似像素进行分割,最终通过迭代得到电力设备故障所呈现的亮度区域信息。实验结果表明该提取区域方法性能优于极大稳态区域算法,具有较低的误分类错误,且相比于Mean shift算法,具有高效的处理速度。     

电缆外护层接地电流校准及不确定度评定

针对传统电缆外护层接地电流监测仪的校准过程主要在实验室参比条件下,未考虑到现场环境中存在背景泄漏电流的干扰,提出了一种基于零磁通原理与置空后注入标准信号相结合的在线校准方法。在不断电和不拆卸相关设备的情况下消除了背景泄漏电流对校准过程的影响,对监测仪校准结果的不确定度进行详细分析和评定,基于监测仪的工作原理和测试方法,通过传递比较法,验证了校准结果的可信度和不确定度的合理性。     

基于Canny算子的简化PCNN电力故障区域提取方法

为了较好地实现电力设备红外图像故障区域提取,提出了一种基于Canny算子边界检测的脉冲耦合神经网络(Pulse-coupled Neural Network,PCNN)红外图像区域提取方法.在该方法中,首先以PCNN模型同步点火特性为基础,通过优化原始PCNN模型内在的参数,使得模型迭代过程中将图像转换成为时间点火序列,然后引入Canny边界检测算子并结合区域灰度特性,获取最佳时刻的脉冲输出信息,实现红外图像中热故障区域的有效提取.最后通过真实红外故障图像测试,验证了文中方法的有效性和适用性,同时方便了后续的特征提取与识别.     

基于扩展Meanshift电气设备发热故障区域提取方法

在红外电气故障监测中,设备过热故障区通常表现出高亮度等特点,然而现有的提取方法因红外图像固有的低对比度、边界模糊等特点容易引起提取区域范围增大.为此,本文提出了一种基于扩展的均值漂移聚类的红外图像故障过热区域提取方法,引入了基于邻域灰度的权重因子.同时,为了提升聚类效率,摒弃了传统均值漂移算法遍历整个红外图像平面进行迭代聚类的方法,融合了自高向低的聚类阈值分割机制,使得改进的均值漂移算法能快速地将故障区域像素进行聚类,实现红外图像中热故障区域的有效提取.实验结果表明本文区域提取性能优于目前现有的一些方法以及传统均值漂移聚类方法.     

基于局部区域聚类的电力设备故障区域提取方法

针对电力设备红外图像诊断中热故障区域提取问题,提出了一种局部区域Mediodshift聚类的电力设备红外图像故障区域提取方法。文章根据热故障所表现的灰度特性初始化聚类中心;结合Mediodshift聚类方法,对目标区域邻域像素进行聚类。为了尽可能获取故障区域邻域相似像素,引入了基于邻域灰度的调节策略。同时,为了提高聚类效率,采用了自高向低的聚类阈值分割机制,从而使得Mediodshift算法能快速地将整幅图像中故障区域像素进行聚类,实现红外图像中热故障区域的提取。最后通过典型红外图像实验测试,验证了该方法区域提取的有效性,且对比目前现有的一些方法,进一步表明文中方法具有较好的故障区域提取性能。     

基于概率输出支持向量机和证据理论的变压器故障诊断技术

针对变压器故障诊断准确率低、多种带电检测状态信息难以融合等问题,提出了一种基于概率输出支持向量机与证据理论的变压器检测信息融合诊断模型。