一种发电机定子线棒绝缘缺陷识别方法技术

本发明专利技术公开了一种发电机定子线棒绝缘缺陷识别方法，涉及电机故障诊断和人工智能技术领域，包括以下步骤：S1、采集发电机定子线棒绝缘的超声图像，并将超声图像中的二维图像转变成一维数据；S2、利用奇异值分解算法，对转变后的一维数据进行降噪处理，并保留一维数据中的主要信息；S3、采用小波包变换算法提取降噪后不同绝缘缺陷超声信号的小波包能量特征；S4、构建量子衍生概率神经网络，并将提取的小波包能量特征输入到量子衍生概率神经网络中，输出发电机定子线棒绝缘缺陷的识别结果。本发明专利技术提供的方法，能够自适应的挖掘超声信号蕴含的特征，实现了定子线棒绝缘缺陷的智能识别，有效提高了识别算法的精确度和准确率。提高了识别算法的精确度和准确率。提高了识别算法的精确度和准确率。

【技术实现步骤摘要】
一种发电机定子线棒绝缘缺陷识别方法


[0001]本专利技术涉及电机故障诊断和人工智能
，更具体地说涉及一种基于特征提取的量子衍生概率神经网络的发电机定子线棒绝缘缺陷识别方法。

技术介绍

[0002]随着科技的快速发展，电机作为重要的驱动设备，被广泛应用于生产生活的诸多领域中，并在现代化建设和工业制造中发挥着无可替代的作用。电机绝缘缺陷通常分为集中性缺陷和分布性缺陷，绝缘缺陷会直接影响电气设备的使用周期及其运行寿命。目前，我国电气设备制造企业及应用部门多采用的是定期维修和预防性试验制度对发电机进行维护，基本上能保证两次大修期间发电机和电力系统的安全运行。但这类检修手段较为滞后且对设备的固有缺陷及运行缺陷无法进行无损定位及定位的自适应识别。
[0003]现有技术中，公开号为CN112465781A的专利，公开了一种基于视频的风电机组主要部件缺陷识别方法，包括如下步骤：S1、将嵌入式系统集成到摄像头内，利用嵌入式系统完成设备缺陷识别工作；S2、将OpenCV函数库移植到嵌入式系统当中运行，并对OpenCV函数库进行裁剪，并保留有视频转换的转换功能的ffmpeg的库，v4l2的视频协议库；本专利技术通过将OpenCV函数库移植到嵌入式系统，并将该种嵌入式系统集成到摄像头内，利用嵌入式系统完成设备缺陷识别工作，对于烟雾运动部分的检测是基于图像差分法，可以及时发现设备缺陷并发送给客户端，提醒运检人员及时处理设备缺陷，预防设备故障发生，解决了人工巡检设备缺陷实时性差的弊端。
[0004]上述专利公开的缺陷识别方法，基于视频对风电机组主要部件的缺陷进行识别，其没有公开对发电机定子线棒绝缘缺陷进行识别。发电机定子线棒绝缘缺陷是指绝缘的内部会出现气隙、分层、裂纹和脱壳等缺陷。引起绝缘的局部放电、电树等现象甚至造成绝缘的电击穿，缺陷的存在不仅降低绝缘的使用寿命，而且影响系统的运行可靠性，对大电机的正常运行危害极大。进行绝缘缺陷的识别，有助于提前发现缺陷，提前解除隐患，对电机的正常安全运行有重大意义。
[0005]近年来超声检测技术和人工智能技术不断发展。超声检测技术的应用范围很广，超声检测技术可以在不改变、不损害材料和工作的状态以及使用性能的前提下，测定其变化量，从而判断材料及结构是否存在缺陷。人工智能领域以神经网络为代表的机器学习算法获得了高速的发展，并在诸多领域内实现了应用。神经网络可以在海量数据中自适应地学习数据内部的隐性关系，并有效掌握反映数据性质的本质特征。因此，神经网络可以解决传统算法难以处理的问题，将其应用于发电机定子线棒绝缘缺陷识别是一种新的思路。

技术实现思路

[0006]为了克服上述现有技术中存在的缺陷，本专利技术公开了一种发电机定子线棒绝缘缺陷识别方法，本专利技术的目的是解决现有技术中采样传统定期维修和预防性试验制度对发电机定子线棒绝缘缺陷识别存在的问题。本专利技术通过提取超声检测图像特征和建立卷积神经
网络分析特征，从而识别出发电机定子线棒绝缘缺陷。
[0007]为了实现以上目的，本专利技术采用的技术方案：一种发电机定子线棒绝缘缺陷识别方法，包括以下步骤：一、数据采集提取转变S1、采集发电机定子线棒绝缘的超声图像，并将超声图像中的二维图像转变成一维数据；优选的，所述S1步骤中，所述超声图像包括无缺陷的超声图像、分层缺陷的超声图像和裂纹缺陷的超声图像。
[0008]上述步骤中，采集无缺陷的超声图像的目的是作为与有缺陷数据的对比，形成对照；采集分层缺陷和裂纹缺陷的超声图像的目的是作为实验数据，验证智能算法的有效性；将二维图像转变成一维数据的目的是方便对原始数据进行处理。
[0009]上述步骤中，可通过数字式探伤仪采集电机绝缘无缺陷和分层缺陷、裂纹缺陷的图像，通过数据提取算法提取图像中的数据，将二维图像变成一维数据。
[0010]优选的，所述S1步骤包括以下步骤：S11、采集发电机定子线棒绝缘的无缺陷超声图像；S12、采集发电机定子线棒绝缘的分层缺陷超声图像和裂纹缺陷超声图像；S13、提取无缺陷超声图像、分层缺陷超声图像和裂纹缺陷超声图像中的数据，将二维图像转变成一维数据。
[0011]上述步骤中，首先对没有缺陷的发电机定子线棒绝缘采用数字探伤仪进行超声检测，采集到无缺陷的超声图像。可通过人工制造缺陷的方法，采集定子绝缘分层缺陷和裂纹缺陷的超声图像。将采集到的超声图像通过数据提取算法提取图像中的数据，将二维图像变成一维数据。
[0012]二、奇异值分解算法降噪S2、利用奇异值分解算法，对转变后的一维数据进行降噪处理，并保留一维数据中的主要信息；上述步骤中，对采集到的原始数据采用奇异值分解(SVD)算法进行降噪处理，保留数据的主要信息。奇异值分解是一种优良的过滤方法，其处理信号过程不包含参数，该方法对非平稳非线性信号处理能力非常强大。
[0013]上述步骤中，对一维数据进行降噪处理的目的是剔除原始数据中对结果影响不大的数据和有可能对结果造成错判的数据，保留一维数据中的主要信息的目的是利用保留的信息通过智能算法对缺陷进行识别。
[0014]优选的，所述S2步骤包括以下步骤：S21、构造Hankel矩阵表示长度为N的一维序列信号；上述步骤中，对于任意长度为N的一维序列信号，在绝缘缺陷诊断领域可以采用构造Hankel矩阵来实现。将信号序列构造为左上角为t(1)，右下角为t(N)的Hankel矩阵。
[0015]S22、对Hankel矩阵进行奇异值分解；其中，U的列向量为左奇异向量，V的列向量为右奇异向量，S为对角阵，T为矩阵V的转置；上述步骤中，矩阵A的SVD可以表示为，等式称为矩阵A的奇异值分解。U的列向量称为左奇异向量，V的列向量为右奇异向量。S为对角阵，其由奇异值组成。
[0016]S23、利用奇异值分解后的A表示若干子矩阵之和，再对各个子矩阵进行信号重构，保留信号的主要信息，并消除噪声的影响。
[0017]上述步骤中，子矩阵是指矩阵A的每一个奇异值所对应的矩阵。
[0018]三、特征提取S3、采用小波包变换算法提取降噪后不同绝缘缺陷超声信号的小波包能量特征；上述步骤中，提取不同绝缘缺陷超声信号的小波包能量特征的目的是作为特征量输入到概率神经网络中，进行缺陷识别。
[0019]优选的，所述S3步骤包括以下步骤：S31、令；其中，为尺度函数，为小波函数；上述步骤中，令和分别为尺度函数和小波函数，为更方便地表示小波包函数，可引入新的记号。
[0020]S32、定义小波包函数；其中， 和为正交尺度函数确定的小波包，为尺度函数系数，为小波函数系数，k为小波包分解的节点数；上述步骤中，通过和可以定义一组称为小波包的函数。
[0021]S33、令为由小波包的二进伸缩和平移线性组合生成的闭子空间，则有，其中，为尺度空间，为小波空间；上述步骤中，小波包分解能够在多分辨率分析的基础上，对小波空间做进一步分解，因此其频率局部化性能较好。
[0022]S34、利用将多分辨率分析的逐级正交分解统一为如下的递推关系式：上述步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发电机定子线棒绝缘缺陷识别方法，其特征在于，包括以下步骤：S1、采集发电机定子线棒绝缘的超声图像，并将超声图像中的二维图像转变成一维数据；S2、利用奇异值分解算法，对转变后的一维数据进行降噪处理，并保留一维数据中的主要信息；S3、采用小波包变换算法提取降噪后不同绝缘缺陷超声信号的小波包能量特征；S4、构建量子衍生概率神经网络，并将提取的小波包能量特征输入到量子衍生概率神经网络中，输出发电机定子线棒绝缘缺陷的识别结果。2.如权利要求1所述的缺陷识别方法，其特征在于，所述S1步骤包括以下步骤：S11、采集发电机定子线棒绝缘的无缺陷超声图像；S12、采集发电机定子线棒绝缘的分层缺陷超声图像和裂纹缺陷超声图像；S13、提取无缺陷超声图像、分层缺陷超声图像和裂纹缺陷超声图像中的数据，将二维图像转变成一维数据。3.如权利要求1所述的缺陷识别方法，其特征在于，所述S2步骤包括以下步骤：S21、构造Hankel矩阵表示长度为N的一维序列信号；S22、对Hankel矩阵进行奇异值分解；其中，U的列向量为左奇异向量，V的列向量为右奇异向量，S为对角阵，T为矩阵V的转置；S23、利用奇异值分解后的A表示若干子矩阵之和，再对各个子矩阵进行信号重构，保留信号的主要信息，并消除噪声的影响。4.如权利要求1所述的缺陷识别方法，其特征在于，所述S3步骤包括以下步骤：S31、令；其中，为尺度函数，为小波函数；S32、定义小波包函数；其中，和为正交尺度函数确定的小波包，为尺度函数系数，为小波函数系数，k为小波包分解的节点数；S33、令为由小波包的二进伸缩和平移线性组合生成的闭子空间，则有，其中，为尺度空间，为小波空间；S34、利用将多分辨率分析的逐级正交分解统一为如下的递推关系式：
S35、根据小波包分解对超声缺陷信号进行三层小波包分解，并计算出原始小波包树的最优完整树；S36、对最优小波包完...

【专利技术属性】
技术研发人员：刘虹邑，裴景克，张跃，谢志辉，李愿杰，彭浣钦，冉启鼎，刘雁，周江，
申请(专利权)人：东方电气集团东方电机有限公司，
类型：发明
国别省市：