电力设备红外援例诊断方法研究及其实现
程宏波1
王林2
吴浩3
谢子宁2
李昊岭2
1.华东交通大学 电气与自动化工程学院,江西 南昌 330013;人工智能四川省重点实验室,四川 宜宾 6430002.华东交通大学 电气与自动化工程学院,江西 南昌 3300133.人工智能四川省重点实验室,四川 宜宾 643000
摘要：目的 为发挥红外诊断专家的经验知识,为电气设备故障的诊断及处理提供依据和参考,方法 提出一种电力设备红外图像援例诊断方法,收集并整理电气设备的典型故障案例,建立电气设备典型故障的红外案例库;通过优化网络全连接层数量,利用全局平均池化代替最大池化对VGG-16深度学习网络进行改进,减少红外图像处理时中间特征的数量,降低图像匹配的计算工作量;利用改进的VGG-16网络提取红外图像的典型特征,计算待测图像与典型案例图像特征之间的余弦距离,利用余弦距离衡量待测图像与标准图像之间的相似程度,筛选最接近的相似案例,以相似案例为依据提供故障原因分析和处理措施建议.收集7 种设备43 类故障的典型案例200 个,开发了电力设备红外援例诊断程序.结果 实验结果表明,采用改进后的深度学习网络,单张红外图像匹配平均仅需要 0.255 s,比SURF方法用时缩短 85.5%,比SIFT方法用时缩短91.9%,提取特征进行匹配后诊断正确率可达94.74%.结论 所提方法可提高红外图像处理的效率,具有较高的诊断准确率,可为电力设备红外诊断提供一种新的方法,诊断结果可整合既有的专家经验知识为现场故障处理提供指导,具有较好的应用潜力.
关键词：深度学习红外检测故障案例援例诊断
分类号：TP391.41(计算技术、计算机技术)TM507(电器)
资助基金：国家自然科学基金(51967007)江西省重点研发计划项目(20202BBEL53008)人工智能四川省重点实验室开放课题(2022RZY01)
论文发表日期：2025-05-22
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 130-137 )
英文信息