研究目的
提出一种利用红外图像特征和径向基函数神经网络（RBFNN）检测瓷绝缘子污染程度的非接触式方法。
研究成果
该方法利用红外图像特征和RBFNN有效检测污染程度，实现了高精度（97.31%）和快速识别。相较于BPNN和GRNN，颜色矩特征及改进的RBFNN训练算法提升了性能。该方法具有非接触、经济、安全可靠的特点，在电力设备监测与故障诊断中具有应用潜力。
研究不足
该方法专为受控湿度（79%至92%）下的室内测试设计，可能受到阳光、风和电磁干扰等室外条件影响。拍摄参数（距离和角度）必须严格控制以避免分辨率问题或安全隐患。该方案仅适用于瓷绝缘子，对其他类型可能需要调整。
1：实验设计与方法选择：
该方法利用红外图像检测污染程度，先进行理论推导，再通过图像去噪、分割和特征提取，构建径向基函数神经网络（RBFNN）进行识别，输入参数包含九个颜色矩特征和相对湿度，采用结合梯度下降与随机数控制因子的改进学习算法进行训练。
2：样本选择与数据来源：
选用60只XP-70瓷绝缘子作为样本，分为12组（每组5只），依据IEC60507标准采用固体层法人工染污，以等值盐密（ESDD）定义污染等级，在不同湿度条件（79%至92%）下使用红外热像仪拍摄热图。
3：实验设备与材料清单：
红外热像仪（FLIR S65）、人工雾室、调压线圈稳压器（KZX-51022）、试验变压器（JZ/YD）、电容分压器（SGB-200A）、110KV穿墙套管、造雾器、蒸馏水、二氧化硅、硅藻土。
4：5）、人工雾室、调压线圈稳压器（KZX-51022）、试验变压器（JZ/YD）、电容分压器（SGB-200A）、110KV穿墙套管、造雾器、蒸馏水、二氧化硅、硅藻土。 实验流程与操作规范：
4. 实验流程与操作规范：绝缘子经染污后干燥24小时，悬挂于雾室内湿润15分钟，施加10kV电压。待泄漏电流稳定后每半小时拍摄热图（拍摄距离3米，俯角45度），图像预处理包括去噪、裁剪及基于直方图波谷的分割，提取特征后对RBFNN进行训练测试。
5：数据分析方法：
提取RGB分量的一阶、二阶和三阶颜色矩作为特征，采用所提学习算法训练RBFNN，与BPNN和GRNN对比准确率及收敛速度，对特征数据和测试结果进行统计分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Infrared Camera
FLIR S65
FLIR
To capture thermal images of insulators for contamination level detection
-
Voltage Regulator
KZX-51022
To generate operating voltage for testing insulators
-
Test Transformer
JZ/YD
To step up voltage for applying to insulators during testing
-
Capacitive Voltage Divider
SGB-200A
To measure high voltage applied to insulators
-
Wall Bushing
110KV
To connect power supply to the fog chamber for insulator testing
-
Fog Producer
To adjust humidity in the artificial fog chamber for testing
-
Insulator
XP-70
Used as testing samples for contamination level detection
-
登录查看剩余5件设备及参数对照表
查看全部
