一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法技术

本发明专利技术公开了一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法，旨在通过对红外图像时空属性进行分析，结合图像纹理信息和温度时序变化信息，利用宽度学习完成电气设备故障诊断。该方法能够在极短的时间内提取出出每张红外图像中需要分析的目标电力设备并且给出对应的温度信息，解决红外图像只能使用专门配备的随机软件进行分析的掣肘，同时深度挖掘了红外图像的时空属性，从多维度分析红外图像，提高红外诊断技术的有效性和准确性。

A Fault Diagnosis Method for Electrical Equipment in Intelligent Power Plant Based on Width Learning and Spatial-temporal Characteristics of Infrared Image

The invention discloses an intelligent power plant electrical equipment fault diagnosis method based on width learning and infrared image spatio-temporal characteristics, aiming at completing electrical equipment fault diagnosis by width learning through analyzing infrared image spatio-temporal attributes, combining image texture information and temperature temporal change information. This method can extract the target electric power equipment needed to be analyzed in each infrared image in a very short time and give the corresponding temperature information. It can solve the restriction that infrared image can only be analyzed by special random software. At the same time, it can deeply mine the temporal and spatial attributes of infrared image, analyze infrared image from multiple dimensions, and improve the effectiveness and accuracy of infrared diagnosis technology. Sex.

【技术实现步骤摘要】
一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法
本专利技术属于基于红外诊断技术的电气设备维护领域，特别是涉及一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法。
技术介绍
红外故障诊断技术利用红外热成像原理显示设备表面温度分布情况，以判断设备内部状况，具有图形直观、判断准确、安全可靠、诊断效率高等特点，在电气设备的预防性检修中发挥了重要作用。现如今诸多电力集团配备先进的红外热成像仪，用于检测输变电设备电压致热或电流致热型缺陷，如主变压器、互感器、避雷器等设备的引线接触不良问题；还用于快速检测转动机械运行时的温度异常，如轴承和齿轮等转动部件温度异常、润滑和冷却系统温度异常，帮助判断转动机械设备故障原因。但是目前各单位用的仪器品牌不一，随机软件只有温度识别显示功能等，在应用于不同的设备时，只能根据检测者的经验和相关的国标和行业规范作为检测标准，必须通过综合分析和工程实际经验的分析找出判据。并且红外图像的格式是由生产红外热像仪的厂家为仪器规定的，必须借助随机附带的处理软件才能读取温度等信息，而且软件功能参差不齐，处理功能一般只能满足大多数用户的简单需求，能够本文档来自技高网...

【技术保护点】
1.一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法，其特征在于，该方法包括以下步骤：(1)利用红外热像仪在工业环境中获取电力设备的多帧红外图像；(2)针对获得的红外图像，读取图像中任意一条直线l上的温度值Y；(3)针对步骤(1)中获得的图像，将其从RGB真彩图像转换为二维灰度图像，转换公式如下：X＝0.299*R+0.587*G+0.114*B  (1)(4)以直线l上的灰度值X作为神经网络输入，温度值Y作为神经网络的输出值，构建BP神经网络模型来拟合灰度值和温度值之间的关系，从而根据灰度值得到整个红外图像的温度值；(5)针对步骤(3)获得的二维灰度图像，对其进行基于阈值的图...

【技术特征摘要】
1.一种基于宽度学习和红外图像时空特征的智能电厂电气设备故障诊断方法，其特征在于，该方法包括以下步骤：(1)利用红外热像仪在工业环境中获取电力设备的多帧红外图像；(2)针对获得的红外图像，读取图像中任意一条直线l上的温度值Y；(3)针对步骤(1)中获得的图像，将其从RGB真彩图像转换为二维灰度图像，转换公式如下：X＝0.299*R+0.587*G+0.114*B(1)(4)以直线l上的灰度值X作为神经网络输入，温度值Y作为神经网络的输出值，构建BP神经网络模型来拟合灰度值和温度值之间的关系，从而根据灰度值得到整个红外图像的温度值；(5)针对步骤(3)获得的二维灰度图像，对其进行基于阈值的图像分割，从而获得图像中的目标电气设备，其具体步骤如下：(5.1)待分析区域的归一化直方图。令{0,1,...,L-1}表示大小为M*N像素的区域图像中的L个不同的灰度级，nz表示灰度级为z的像素个数。区域图像中的像素总数为MN＝n0+n1+n2+...+nL-1，pz＝nz/MN表示该直方图中的灰度级为z的归一化频数,z＝0,1,2,...,L-1。(5.2)对于u＝0,1,2,...,L-1，计算累计和P1(u)，计算公式如下：(5.3)对于u＝0,1,2,...,L-1，计算累计均值m(u)，计算公式如下：(5.4)计算全局灰度均值mG，计算公式如下：(5.5)对于u＝0,1,2,...,L-1，计算类间方差计算公式如下：(5.6)通过使得目标函数(5)取得最大值，得到Otsu阈值u*，如果最大值不唯一，用检测到的各个最大值u的平均得到u*；(5.7)基于最佳阈值u*利用如下公式对区域图像进行分割，得到分割后图像：IM(x,y)为二维灰度图像中像素点(x,y)的灰度值。分割后像素点为1的像素点组成目标电气设备，取目标设备的最小邻接矩阵作为目标设备区域g(x,y)。(6)针对步骤(5)中得到的目标设备区域g(x,y)，基于灰度共生矩阵，提取其空间特征，进而描述电气设备工作时其温度分布情况，其具体步骤如下：(6.1)针对目标设备区域g(x,y)，在红外图像坐标系下，从四个方向计算其灰度共生矩阵D，四个方向与X轴的角度分别为：0°，45°,135°,180°。P(i,j)＝#...

【专利技术属性】
技术研发人员：赵春晖，王晶，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33