一种基于红外热像的电气设备故障诊断方法

    公开(公告)号:CN104809722B

    公开(公告)日:2018-09-28

    申请号:CN201510173009.7

    申请日:2015-04-13

    摘要: 本发明公开了一种基于红外热像的电气设备故障诊断方法,包括:输入采集的电气设备红外热像图;对红外热像图像进行灰度化处理,运用OTSU法对灰度化后的电气设备红外热像图进行分割处理;提取分割后的红外热像的特征参数作为GA‑BP神经网络的输入参数并对GA‑BP神经网络进行训练;运用训练好的GA‑BP神经网络对电气设备进行热缺陷诊断,输出诊断结果。本发明有益效果:引入OTSU分割,提取温度特征和Zernike矩参数,经GA‑BP神经网络对电气设备进行故障诊断,效果显著,可针对不同的电气设备热缺陷进行诊断处理,有利于变电站的智能化运行,提高检测的准确性。

    基于参数优化SVM算法的交联电缆局部放电模式识别方法

    公开(公告)号:CN105388402B

    公开(公告)日:2018-08-10

    申请号:CN201510732891.4

    申请日:2015-10-30

    IPC分类号: G01R31/12

    摘要: 本发明公开了一种基于参数优化SVM算法的交联电缆局部放电模式识别方法,为避免传统模式识别中神经网络收敛速度慢、过学习等不足或因支持向量机参数选择不当而导致识别精度低,在引入M‑ary分类理论将泛化及学习能力更强的SVM算法扩展为多类分类器的同时,利用改进遗传算法优化各子分类器的惩罚因子及核函数参数,从而构造出最优参数SVM分类模型。结果表明,以优化SVM作为分类器时各缺陷识别率均>95%,且无论是否优化参数,SVM总体识别能力要优于RBF神经网络。