一、红外诊断技术与应用(五)(论文文献综述)
樊繁[1](2021)在《基于红外图像数据融合的变压器故障诊断研究》文中指出随着电力行业的发展,各个领域对电力的需求都在不断提升,电网稳定、安全的运行能够保证其他行业快速发展。变压器在电能传输中至关重要,它的运行与电网系统息息相关。如何能够快速,准确的判断变压器的故障是当前急需解决的问题。由于变压器故障原因错综复杂,使用单一的诊断方法容易出现误诊断、诊断精度低等问题,从而影响到诊断结果。为了能够准确、全面的诊断变压器设备故障状态,本文开展了基于红外图像数据融合的变压器故障诊断方法研究。论文主要内容如下:1)对变压器红外图像进行预处理及特征提取。通过分析变压器红外图像的噪声,比较了三种不同方法的去噪效果,采用K-means聚类分割算法将去噪后的变压器红外图像分割为不同的层次,为提取不同的温度特征打下基础。将变压器红外图像的灰度值与温度值进行关联,直接将红外图像的灰度值转化为温度值,并构建出能够表达变压器故障状态的温度特征量。2)变压器故障诊断方法的研究。针对变压器不同部位对变压器影响程度不一的问题,对不同部位的温度特征利用权重进行加权融合处理,作为诊断变压器状态的的输入量,并将变压器设备故障状态的等级程度作为输出量,设计变压器故障诊断模型,提出将BP神经网络和支持向量机应用在变压器故障诊断中,分别采用PSO算法和遗传算法优化BP神经网络和支持向量机,提高诊断准确率。3)提出基于D-S证据理论的变压器故障决策融合诊断方法。将PSO优化BP神经网络的诊断输出结果和遗传算法优化支持向量机的诊断输出结果作为决策融合诊断方法的输入,根据D-S证据理论融合规则,得到融合后的结果并进行实验验证。通过对PSO优化后的BP神经网络诊断模型和遗传算法优化后的支持向量机诊断模型进行训练与测试,并利用D-S证据理论融合规则进行决策层融合,结果表明:解决了变压器不同部位对其影响程度不一的问题,提高了故障诊断的准确率,避免单一诊断方法误诊断的缺点,说明了该方法在变压器故障诊断中的可行性。
程子夜[2](2020)在《红外图像处理在架空线路故障诊断中的应用》文中认为近年来,随着电力行业的快速发展和完善,电网也得到飞速发展,带动电网系统运行电压等级的不断提升以及网络规模的逐渐扩大。由于电网运行电压等级的提高、超远距离输送电等原因,国家对电网运行的安全可靠性的要求更加严格。传统的电力故障诊断维修手段,费时费力,甚至需要停电检测,这对人民生活带来了极大的不便。近年来红外热成像技术在电力行业发展迅速且逐渐成熟。红外成像是根据设备的热能分布状态对电气设备正在运行时的状态进行诊断,它具备可以远距离拍摄不用直接接触的特性,还可以在不采取停机或关闸操作的情况下获取设备信息等,在很大程度上削弱了操作的危险性。本文提出了将红外图像处理应用于架空线路的故障诊断,首先介绍了红外热成像和图像分割的基本原理,以及架空线路的构成和常见故障。其次先对红外图像进行图像灰度化和去噪滤波,之后提出改进K-means算法,基于传统Kmeans算法的迭代思想,利用灰度直方图提取灰度频率分布信息预设聚类值k,并采用分位点概念代替传统算法中随机选取初始聚类中心的方法,再经过预处理的图像上进行分割模拟。同时设计一个最优化准则来验证本课题预设的聚类值,通过多个案例对比分析,证实改进的K-means算法不仅更精准、高效。最后将改进的K-means算法应用到实际的架空线路的故障诊断案例中,并得到故障诊断的的最终结果。通过对架空线路上的线夹、绝缘子和金具进行诊断实例分析,证明改进的Kmeans算法在架空线路的故障诊断上取得良好的应用效果。实例分析结果表明诊断结果准确率高,该算法运行简单,可靠性高,实用性强。图[35]参[81]
张敏[3](2020)在《基于图像处理的带式输送机故障诊断系统研究》文中研究表明随着皮带机在工业运输领域特别是在港口煤炭等领域应用越来越受欢迎,带式输送机的关键部位如电机、托辊、滚筒的故障逐渐增多。因此,带式输送机保证其关键部位的正常、稳定运行十分重要。传统的故障巡检方式主要通过人工进行巡检,长期的人工巡检方式逐渐体现出它的弊端,工作效率低、主观性强、浪费时间,已不能满足现代化智能港口的要求。针对传统巡检方式的不足,本文以日照港带式输送机为研究对象,设计一种基于红外图像处理的带式输送机故障诊断系统,实验证明该系统能够替代传统的人工巡检方式,在不停机、无需接触故障物的情况下,将带式输送机的运行状态反馈到系统内,能够有效的识别故障,实时监控,保证输送机运行的可靠性。本文主要研究工作包括:(1)带式输送机工作环境复杂,采集的红外图像普遍含有高斯噪声和椒盐噪声,噪声存在会影响图像的质量,对后续图像识别造成影响,针对噪声问题,本文采用一种结结合的图像去噪方法,它将中值滤波和改进小波阈值去噪的优点结合起来,对椒盐噪声和高斯噪声有较好的滤除效果,弥补传统去噪算法只能滤除一种噪声的不足。通过MATLAB对其进行验证。(2)针对带式输送机红外图像中含有复杂背景,为了消除背景干扰对故障部位的影响,本文采用一种形态学和改进区域生长法结合的方法,利用改进区域生长法将故障部位大体分割,再通过形态学算法细化故障边缘,最后使用Canny算子提取边缘信息,通过MATLAB实验仿真,证明该方法能有效的将带式输送机关键部位分割出来。(3)针对带式输送机的图像识别,采用SVM分类器进行图像识别。传统的核函数不能同时具备泛化、学习能力。为了避免这一点,本文采用一种新的算法——混合核函数,进一步提高其准确性,优化参数,并通过MATLAB调用libSVM工具箱实验验证构造的分类模型能准确识别带式输送机关键部位。(4)针对带式输送机关键部位故障诊断,应用MATLAB和LabVIEW联用的方法设计一种带式输送机红外故障诊断系统,根据图像识别出带式输送机不同的关键部位,采用不同的诊断方法进行故障诊断,该系统搭配智能巡检机器人,在带式输送机工作状态下进行实时监测,准确进行带式输送机的图像识别和故障诊断,在避免不必要的经济损失的同时,缩短故障诊断的时间,提高巡检的效率,增加带式输送机的安全性,延长带式输送机的工作寿命。
赵梦[4](2020)在《基于红外图像的电力设备故障分析研究》文中研究指明随着我国综合国力的大幅提升,对于电力的依赖与日俱增,电力行业的角色愈发重要,其中电力设备是否能够安全、可靠、长久、稳定作业,是整个电力系统的关键所在。因此,为保障电力设备运行的安全性与可靠性,对电力设备进行有效的监控,观测、记录电力设备温度的变化,并实时、自动分析电力设备有无故障、故障程度、故障位置以及故障预测等已经成为研究的热点。本文依赖红外热成像技术,在红外图像的基础上设计了两种基于深度学习的电力设备故障检测与分析方法,具体如下:提出一种基于卷积神经网络的电力设备红外图像故障分析方法。首先,对于电力设备红外图像采用图像预处理进行滤波平滑,减少干扰,为后续进行图像分割、故障定位奠定基础。本文针对图像噪声特点,采用一种均值滤波与中值滤波相结合的方法,能够有效抑制高斯噪声和椒盐噪声的影响。其次,设计电力设备红外图像故障分类卷积神经网络模型,实验证明该网络具有极高的识别能力,适合实际生产工作。最后,针对故障电力设备进行故障分析并开展健康管理研究,故障分析包括故障定位和故障等级判断,故障区域定位依赖于图像分割技术,本文提出基于像素聚类的SLIC(simple linear iterative clustering)与全局阈值相结合的算法,结果表明此方法不仅分割效果良好,而且更具标签功能,从而实现真正意义上的区域定位,以方便后续温度提取操作,然后再结合具有一定适用性的相对温差判据实现故障等级判断;围绕健康管理的思想,引入红外图像序列的时空特性,采用拟合的方式,预测设备状态趋势曲线,并设计显示界面,完成对故障电力设备的集中显示、分类存储、统一管理,为日后的研究奠定基础,从而可以提高电力设备红外图像方面的诊断效率与准确率。提出基于SSDMobilenet网络的电力设备红外图像故障分析方法,该方法是在计算机视觉与深度学习以及目标检测技术飞速发展的历程下,对电力设备红外图像故障目标检测的尝试。本文基于现有有限数据,仅进行可行性实验,同时给出了整个分析流程:基于方法一中分类存储的基础,获取足够样本数据集后,采用SSDMobilenet目标检测网络进行处理,便可直接获得电力设备的故障部位及缺陷等级,最终再进行包括趋势预测、集中显示等健康管理,以实现更高程度的自动化检测,进一步简化检测步骤,提高生产工作中的检测效率。
毛华敏[5](2020)在《基于深度学习的变电设备红外故障诊断方法研究》文中研究表明红外检测方法和设备无接触,方便、快捷,不影响系统的正常运行,因此,已成为输变电设备状态检测的一种有效手段。但目前的输变电设备红外图像诊断主要靠人工对红外图片进行分析和判断,方法落后,效率低下。为了提高电网设备故障诊断的水平和效率,减轻工作人员的负担,研究了采用机器学习对变电设备类型进行自动识别的方法,研究了利用深度学习对设备结构区域进行自动划分的方法,并研究了在此基础上实现设备温度自动提取和设备状态自动判断的方法,以实现变电设备故障的红外智能诊断。首先,研究了红外图像中变电设备类型的自动识别方法。建立变电设备红外图像数据库,利用labelimg软件制作变电设备的VOC数据集,选择深度学习算法R-FCN,利用变电设备训练集进行模型训练,同时利用迁移学习、Resnet101和OHEM方法改进模型,有效提高各种变电设备的识别精度。实验及不同方法的对比表明,改进的R-FCN算法识别精度高,可定位得到较为完整、准确的目标设备,并且在复杂背景的红外图像的识别定位中具有可行性,为后续进行设备结构划分提供良好基础。接着,研究了红外图像中变电设备结构区域的自动划分方法。建立变电设备红外图像数据库,利用labelme软件制作各变电设备的结构数据集,选择深度学习算法Mask RCNN,利用变电设备各结构训练集进行模型训练,得到避雷器、电流互感器、电压互感器和断路器等设备的结构分割模型。根据识别模型的输出结果,选择相应的变电设备结构划分模型并输入,最终得到各类设备的结构划分图。实验及不同方法的对比表明,该方法所得的结构区域划分与设备的实际结构区域基本一致,为后续变电设备热故障的自动化诊断提供依据。最后,研究了变电设备热故障诊断的方法。在上述研究的基础上,结合变电设备红外诊断的规范、标准,研究了不同类型设备的故障诊断判据,确定了设备故障诊断的流程。
吴惠雯[6](2020)在《毒品成瘾者温灸前后面部红外热成像变化与脏腑关系研究》文中研究说明目的:运用红外热成像技术采集毒品成瘾者温灸前后的面部红外热成像图,分析该人群的面部红外热成像特征,同时运用量表技术采集毒品成瘾者温灸前后证素特征及变化,以此探讨毒品成瘾者红外热成像图变化与中医脏腑的关系。以期应用红外热成像技术为临床戒毒工作提供辅助诊疗的客观参考依据,为后续开展毒品成瘾的防治工作奠定可行的技术基础和开拓新的思路。方法1.筛选70例毒品成瘾者作为研究对象,运用《毒品成瘾者中医PRO量表》与《四诊信息采集表》按规范的方法采集受试者基本资料及四诊信息,并应用证素辨证方法提取中医证素,对比温灸干预前后该人群的证素分布特征及变化差异。2.利用红外热成像扫描仪规范采集温灸前后面部红外热成像图,对比吸毒人群与正常人群的面部红外热成像特征及吸毒人群温灸干预前后面部红外温度的变化差异,并在此基础上分析毒品成瘾者红外热成像变化与中医脏腑的关系。结果1.毒品成瘾者基本信息情况(1)基本信息与饮食习惯:本次研究的对象年龄范围以2130岁为主,婚姻状况以未婚者居多,职业以无业者居多,文化程度以初中居多;口味嗜好以喜辛辣、喜甘甜居多,部分人好吸烟与好饮酒。(2)吸毒年限与原因、复吸时间与原因:本次研究的对象吸毒年限以49年居多,吸毒原因多因为好奇心理与他人引诱;近半数人在脱毒后1年及以上会复吸,复吸的原因主要为打发无聊时间、受到毒友影响及毒贩引诱。2.毒品成瘾者中医证素特征及变化(1)毒品成瘾者温灸前中医证素分布特征:病位证素分布频率由高到低分别为脾、肝、肾、胃、肺、心神等;病性证素分布频率由高到低主要为阴虚、气虚、阳虚、血虚四种虚性证素,实性证素以热、湿、痰、气滞为主。(2)毒品成瘾者温灸后中医证素分布特征:病位证素分布频率由高到低分别为肝、肾、脾、胃、心神等,病性证素分布频率由高到低主要为阴虚、阳虚、气虚、血虚四种虚性证素,实性证素依旧以热、湿、痰、气滞为主。(3)毒品成瘾者温灸前后中医证素积分变化:病位证素的积分差异以肝、肾、表(P<0.01),胃与心(P<0.05)具有统计学意义。而病性证素的积分差异以阴虚、热、湿、气虚、阳虚、血虚(P<0.01),痰和血瘀(P<0.05)具有统计学意义。3.吸毒组与对照组面部红外温度差异对比:两组的面部红外温度在平均温度、最大温度、最小温度的差异上均存在统计学意义(P<0.05),且吸毒组的平均温度、最大温度、最小温度均高于对照组。4.毒品成瘾者温灸前后面部红外温度变化:吸毒组在接受温灸干预后,其中B1区(P<0.05)、C1区和C2区(P<0.01)面部红外平均温度的差异具有统计学意义。5.毒品成瘾者面部红外温度变化与脏腑的相关性:吸毒组的面部分区红外温度变化与肝存在相关关系(P<0.05),且面部分区B1、C1、C2区的温度变化与肝的证素积分变化均呈负相关(相关系数<0)。而肾、胃、心的证素积分变化与面部分区的红外温度变化未见相关关系(P>0.05)。结论1.毒品成瘾者的人群分布以青年、未婚、无职业、低学历者为主,部分人具有饮食偏好及烟酒嗜好,戒毒后复吸率仍旧较高。2.毒品成瘾可伴随多脏腑(脾、肝、肾等)功能的损害,同时出现多种病理因素变化,成瘾日久表现出虚实夹杂的病性特点,而温灸干预对于毒品成瘾者身体状态可能具有一定的改善作用。3.吸毒人群与正常人群的面部红外热成像特征存在差异,毒品成瘾者面部红外热成像变化与肝存在相关关系,提示红外热成像技术可作为临床戒毒工作辅助诊疗可参照的客观依据之一。
王永平[7](2020)在《高压开关设备红外图像识别与故障诊断方法研究》文中研究指明高压开关设备作为保护电力系统中各类配电装置不可缺少的电气设备,在运行过程中会受到高电压、大电流、机械应力以及环境因素的共同作用使得高压开关设备伴随着发热现象。红外诊断技术是高压开关设备的热异常故障诊断的有效手段。在采集到的红外图像中可以反应出设备中存在的过载、接触不良、接头松动等故障,这对于及时发现、处理、预防高压开关设备故障带来的重大事故具有非常重要的意义。为快速有效的诊断高压开关设备热异常,本文从高压开关设备红外图像识别和故障诊断两个实际问题出发,开展了深入的研究。通过分析高压开关设备典型热异常及红外图像的特点,针对传统算法在高压开关设备在红外图像识别与故障诊断方面的不足,建立了高压开关设备红外图像数据库,提出了新的高压开关设备识别及热异常检测算法,取得了以下成果:1)高压开关设备红外图像在采集、传输过程中存在较多的椒盐噪声和高斯噪声,因此针对传统的红外图像去噪方法的不足,提出了改进均值的自适应中值滤波算法。实验结果表明,该算法可以有效滤除高压开关设备红外图像中的噪声,同时可以保持图像的清晰度,且在PSNR和MSE指标上呈现出良好的滤波性能。2)针对目标高压开关设备红外图像分割过程中存在的边缘准确性较差、轮廓不够清晰的问题,研究了传统的高压开关设备红外图像分割方法,提出了基于Mask RCNN算法的目标高压开关设备红外图像分割方法。实验结果表明,该分割方法准确率高且具有较强的泛化能力,测试准确率达到86%,可将其初步应用于高压开关设备红外图像分割中。3)针对高压开关设备红外图像异常发热点检测中存在目标位置场景复杂和大小不均衡带来的检测准确率下降问题,改进YOLO v3算法实现了高压开关设备异常发热点的快速检测、识别和定位。同时,建立了用于高压开关设备红外图像异常发热点的数据集。实验结果表明,该检测方法识别速度快,准确率高且具有较强的泛化能力,可将其初步应用于高压开关设备异常发热点目标检测中。
周可慧[8](2020)在《基于改进AlexNet模型的关键变电设备红外图像智能分析》文中进行了进一步梳理电力设备是电网系统的根本构成,电力设备状态检测是电力改革中不可缺失的一环。随着电网规模的不断扩大,智能化程度要求的增加,电力设备运行的稳定性、可靠性和安全性也成为了重中之重。红外检测技术是唯一通过设备温度信息可视化来揭示电力设备运行状态,能够对电力设备不停电、定时或实时检测,具有非接触,快速准确等特点,有效地发现运行设备故障隐患,在电力企业中得到了广泛的关注与应用。然而,当前电力设备红外图像分析仍存在着人为因素影响大、图像分析效率低等缺点,单纯的红外检测技术已经不能满足电力设备检测需求,将红外技术与图像处理技术,人工神经网络方法的结合成为了突破口。本文以500k V关键变电设备为研究对象,首先介绍了红外辐射原理,为红外辐射检测设备温度分布提供理论依据,并梳理了红外成像原理,红外图像特点以及红外热像仪相关参数等。其次,明确本文研究的关键变电设备工作原理、基本结构、故障类型和红外图像特征等,并根据变电设备的故障类型对设备进一步划分。第三,统一图像像素大小并提取图像目标设备,构建图像样本数据库;了解Alex Net网络的优势和特点,并结合本文红外图像的相关特征,构建改进Alex Net算法,对变电设备红外图像分类进行研究,实现对不同设备运行状态处理方式的自动选择;通过与BP神经网络比较,确定本文的算法的优越性。第四,基于带电设备红外诊断应用规范,针对所研究变电设备的不同故障类型,确定对应的运行状态智能分析方法。若为电流致热型设备,则基于RGB和HSV颜色空间转换来分离背景,导入红外图像温度,提取分离后的部件区域温度数据,采取表面温度判断法检测变电设备状态;若为电压致热型设备,针对其温升不明显及其温度分布与位置呈非线性关系的特点,在颜色空间转换的一重背景分离基础上,还需基于Hough变换的改进Ostu算法对变电设备进行第二重背景分离;输入温度数据,利用自适应网格划分算法,提取温度特征,与正常状态设备进行温差比较,判断设备运行状态,建立完整的关键变电设备红外图像智能分析方法和流程。最后,通过变电设备案例研究表明本文所提出的研究方法对提高变电设备红外图像状态分析有着良好效果。
汪小瑞[9](2019)在《首荟通便胶囊治疗薄型子宫内膜合并肠道功能异常的临床研究》文中研究说明【目的】应用红外热成像技术探讨薄型薄型子宫内膜合并肠道功能异常患者的热代谢特点,通过对首荟通便胶囊补虚泻浊的药效研究,探索薄型子宫内膜合并肠道功能异常的临床诊疗方案。【方法】1.病例来源:收集2018年2月至2019年3月于成都中医药大学陆华老师门诊就诊患者,应用门诊病历表采集患者临床数据,对薄型子宫内膜患者进行中医症候及中医体质评价。回顾性收集了62例薄型子宫内膜患者,其中32例合并肠道功能异常者为观察组,30例无肠道功能异常者为对照组。2.观察方法:分析两组患者肠道、子宫、左附件、右附件、神阙、任脉、督脉、左肾、右肾9个区位红外热成像数据及中医体质分布情况,探讨薄型子宫内膜合并肠道功能异常患者热代谢及体质分布特点。分析观察组患者治疗前后的中医证候、超声检查结果及代谢热值变化情况评价首荟通便胶囊的疗效。分析患者服用首荟通便胶囊后的动态热成像扫描数据,讨论首荟通便胶囊对代谢热值的动态影响。3.统计方法:应用EXCEl表格记录数据,应用SPSS22.0对数据进行统计学分析,根据数据分析需要采用卡方检验及t检验,数据符合正态分布及方差齐性采用t检验,数据不符合正态分布者采用Wilcoxon符号秩和检验。根据统计学分析结果讨论薄型子宫内膜合并肠道功能异常的红外热成像特点、评价首荟通便胶囊的临床疗效。【结果】1.共回顾分析了62例薄型子宫内膜患者,32例薄型子宫内膜合并肠道功能异常患者为观察组,30例薄型子宫内膜患者为对照组。观察组平均年龄32.63±5.28岁,对照组平均年龄32.97±5.29岁,两组患者年龄都集中在25-39岁,观察组84.38%位于该年龄段,而对照组为83.33%,差异无统计学意义(P>0.05)。观察组平均病程为2.44±1.88年,对照组病程平均为2.23±2.18年,两组患者病程都集中在1-3年,差异无统计学意义(P>0.05)。观察组患者自然流产、复发性流产及IVF比例高于对照组,但差异无统计学意义(P>0.05)。2.观察组患者的肠道、子宫、左附件、任脉、双肾的热值高于对照组,神阙、督脉、右附件热值低于对照组,其中肠道热值高0.44±0.22℃、任脉热值高0.38±0.18℃,左肾的热值高0.50±0.24℃,右肾热值高0.52±0.26℃,差异有统计学意义(P<0.05)。观察组体质频次排名前两位为气虚质(16.41%)和阴虚质(14.06%),对照组为气虚质(17.14%)和阳虚质(14.29%)。3.遵医嘱完成疗程患者18例,中医证候积分评价显效率11.11%,有效率55.56%。治疗后5例子宫内膜无变化,其余13例子宫内膜厚度较前增厚,平均增厚0.24±0.18mm,其中达到8mm及以上9人。治疗后肠道、子宫、附件、肾区、神阙、督脉、热值均较前下降,其中子宫热值较前降低1.02±0.89℃,督脉热值较前降低0.66±0.53℃,差异有统计学意义(P<0.05)。4.共7例患者进行了动态扫描,共扫描了42次,每次扫描22个区位,共测量了924个区位,其中肠道、子宫、附件、肾区、督脉、神阙、双手热值变化有意义。【结论】1.红外热成像技术是评价薄型子宫内膜合并肠道功能异常的有效方法。2.首荟通便胶囊是治疗薄型子宫内膜合并肠道功能异常的有效药物。3.红外热成像技术具有阐释首荟通便胶囊作用机制及评价药效独特优势。
李凯迪[10](2019)在《基于红外检测的瓷绝缘子劣化诊断技术研究》文中研究表明运行中的不同电压等级绝缘子串以不同的连接方式支撑着输电线路,也是线路上重要的绝缘模块,对材料的电气和机械性能都有较高的要求。而因各相膨胀系数不同,户外长期带电运行中的瓷绝缘子受机电负荷、极端天气等影响,易使绝缘电阻降低或产生有害应力,从而产生低、零值绝缘子,闪络放电时出现钢帽炸裂,绝缘子或导线掉落现象,引起严重电气事故。随着高压、超高压线路的大规模应用,由绝缘子劣化引起的电网事故率逐年攀升。为了不影响输电线路的运行,绝缘子应尽量保持原有绝缘水平,因此如何更加安全有效地对运行中绝缘子串进行劣化检测成为电力部门亟待解决的问题。近年来,以良好的图像分割与识别为基础的红外故障诊断技术,在绝缘子等电力设备的故障识别中应用越来越广泛,但受检测盲区和复杂图像的影响,现有检测方法和图像处理方法的准确率均偏低。为解决该问题,本文从理论仿真和试验分析入手,进一步研究了瓷质绝缘子的红外检测技术。本文通过程序仿真,提取典型位置处的压差和温差数据,分析了绝缘子劣化时的电压与红外特征变化规律,深入研究了劣化诊断盲区的成因和分布电压、预警温差、劣化位置等影响因素的作用以及改变环境湿度对盲区范围的调节作用。在此基础上进行了多组高压模拟试验,采用校正温度的方式对不同湿度下不同劣化情况的绝缘子串温度特性进行分析,并根据结果提出了基于盲区温差特性的绝缘子劣化诊断判据。本文将分水岭算法与基于形态学特征的预处理操作、钢帽盘面分割操作,以及基于倾角判别的角度校正操作相结合,通过设定内部标记符控制分割程度,可实现对不同电压等级下不同倾斜度的绝缘子串的片定位与提取。最后结合具有自适应性学习速率的BP算法模型,以归一化的钢帽和盘面温度参数作为红外特征输入参数,可实现对包括盲区绝缘子在内的绝缘子劣化诊断工作。综合以上方法搭建劣化绝缘子智能诊断系统并检验其效果,结果表明,本文的图像分割方法的自适应性更强,程序运行更快,效果更好;基于盲区温差特性的劣化诊断方法也具有较大优势,可明显减小劣化位置的干扰,有效降低检测盲区范围,对提高瓷质绝缘子红外检测准确率的作用显着,具有实用性。
二、红外诊断技术与应用(五)(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、红外诊断技术与应用(五)(论文提纲范文)
(1)基于红外图像数据融合的变压器故障诊断研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 红外图像诊断技术研究现状 |
1.2.2 数据融合技术研究现状 |
1.3 论文研究的目的 |
1.4 论文结构安排 |
1.5 论文创新点 |
2 变压器故障诊断方案设计及故障机理研究 |
2.1 变压器故障诊断总体方案设计 |
2.2 变压器热故障分析 |
2.2.1 变压器热故障机理研究 |
2.2.2 变压器故障树构建 |
2.3 数据融合分析 |
2.3.1 数据融合技术 |
2.3.2 数据融合方法 |
2.4 本章小结 |
3 变压器红外图像预处理与特征提取研究 |
3.1 变压器红外图像预处理 |
3.1.1 红外图像噪声分析 |
3.1.2 红外图像去噪 |
3.1.3 K-means聚类的红外图像分割 |
3.2 变压器红外图像的温度特征提取分析 |
3.2.1 变压器红外图像诊断分析 |
3.2.2 变压器温度参数与图像灰度关联 |
3.2.3 变压器温度特征提取 |
3.3 本章小结 |
4 变压器故障诊断方法研究 |
4.1 基于层次分析法的变压器不同部位权重分配 |
4.1.1 建立变压器层次结构 |
4.1.2 构造判断矩阵 |
4.1.3 计算权重及一致性检验 |
4.1.4 变压器不同部位权重计算 |
4.2 变压器故障诊断模型的分析与设计 |
4.2.1 变压器故障诊断模型分析 |
4.2.2 变压器故障诊断模型设计 |
4.3 基于PSO优化BP神经网络的变压器故障初级诊断 |
4.3.1 BP神经网络诊断模型分析 |
4.3.2 基于BP神经网络的训练仿真 |
4.3.3 基于BP神经网络的故障诊断测试 |
4.3.4 PSO算法优化BP神经网络 |
4.3.5 基于PSO算法优化BP神经网络的训练仿真 |
4.3.6 基于PSO算法优化BP神经网络的诊断测试 |
4.4 基于遗传算法优化支持向量机的变压器故障初级诊断 |
4.4.1 支持向量机诊断模型分析 |
4.4.2 支持向量机诊断模型的测试 |
4.4.3 遗传算法优化支持向量机 |
4.4.4 基于遗传算法优化支持向量机的诊断测试 |
4.5 本章小结 |
5 基于D-S证据理论的变压器故障决策融合诊断 |
5.1 变压器故障决策融合诊断方法 |
5.2 D-S证据理论原理 |
5.3 D-S证据理论的实现步骤 |
5.4 变压器设备故障决策融合诊断分析 |
5.5 变压器故障诊断实验分析 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及成果 |
致谢 |
(2)红外图像处理在架空线路故障诊断中的应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文的研究内容和章节安排 |
2 架空线路的常见故障 |
2.1 架空线路的主要元件 |
2.2 架空线路的运行及故障异常 |
2.2.1 架空线路运行异常及故障预防措施 |
2.2.2 电力架空线路故障及解决措施 |
2.3 本章小结 |
3 红外热成像技术原理 |
3.1 红外热成像的基本概念 |
3.1.1 红外辐射 |
3.1.2 红外辐射的基本定律 |
3.2 红外成像的基本仪器 |
3.2.1 红外检测仪器的选择原则 |
3.2.2 红外热像仪 |
3.2.3 影响检测准确性因素的分析 |
3.3 图像预处理 |
3.3.1 图像灰度化 |
3.3.2 图像去噪 |
3.4 本章小结 |
4 图像分割 |
4.1 图像分割的原理和分类 |
4.2 K-means算法 |
4.2.1 K-means算法的基本概念 |
4.2.2 K-means算法的基本流程 |
4.3 改进的k-means算法 |
4.3.1 K-means算法的改进与发展 |
4.3.2 改进K-means算法的基本流程 |
4.3.3 最优化准则 |
4.3.4 分割图像的实验分析 |
4.4 同类型算法对比 |
4.4.1 Mean-shift算法 |
4.4.2 运行对比与分析 |
4.5 本章小结 |
5 图像分割在故障诊断中的应用 |
5.1 红外故障诊断的常用方法 |
5.2 诊断流程设计 |
5.3 诊断实例分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
读研期间主要科研成果 |
(3)基于图像处理的带式输送机故障诊断系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 本文主要研究内容及章节安排 |
第2章 带式输送机故障诊断系统设计 |
2.1 系统功能需求及总体框架设计 |
2.2 系统硬件设计 |
2.2.1 控制模块 |
2.2.2 红外采集模块 |
2.2.3 定位模块 |
2.2.4 无线传输模块 |
2.2.5 电源管理模块 |
2.2.6 上位机通讯模块 |
2.3 系统软件设计 |
2.3.1 MATLAB和LabVIEW联用 |
2.4 本章小结 |
第3章 带式输送机红外图像去噪 |
3.1 红外成像的原理 |
3.2 红外图像的特点及噪声分析 |
3.3 基于中值滤波和改进的小波阈值图像去噪 |
3.3.1 中值滤波 |
3.3.2 改进小波阈值去噪 |
3.3.3 本文采用红外图像去噪算法步骤 |
3.4 实验结果与分析 |
3.5 本章小结 |
第4章 带式输送机的红外图像分割 |
4.1 图像分割概述 |
4.2 常用的图像分割方法 |
4.2.1 Otsu分割法 |
4.2.2 边缘检测算子分割法 |
4.3 基于形态学和改进的区域生长法图像分割 |
4.3.1 数学形态学算法 |
4.3.2 改进的区域生长法 |
4.3.3 本文采用红外图像分割算法步骤 |
4.4 实验结果与分析 |
4.5 本章小结 |
第5章 带式输送机红外故障诊断 |
5.1 基于SVM的红外图像识别 |
5.1.1 SVM的基本原理 |
5.1.2 混合核函数 |
5.1.3 ICPSO对混合核函数参数优化 |
5.1.4 实验结果与分析 |
5.2 带式输送机红外故障诊断方案 |
5.2.1 带式输送机关键部位故障分析 |
5.2.2 带式输送机故障等级划分及诊断方法 |
5.2.3 基于拓扑矩阵修正故障诊断 |
5.2.4 带式输送机故障诊断流程 |
5.3 实验结果与分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(4)基于红外图像的电力设备故障分析研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 红外热成像技术研究现状 |
1.2.2 电力设备红外故障检测研究现状 |
1.3 本文主要工作 |
1.4 本文章节安排 |
2 电力设备红外图像预处理 |
2.1 红外热成像技术 |
2.1.1 红外热成像技术原理 |
2.1.2 红外检测基本要求 |
2.1.3 红外图像特点 |
2.2 红外图像预处理 |
2.2.1 均值滤波 |
2.2.2 维纳滤波 |
2.2.3 中值滤波 |
2.2.4 双边滤波 |
2.2.5 本文方法 |
2.3 实验结果及图像质量分析 |
2.4 本章小结 |
3 基于卷积神经网络的红外图像故障分类 |
3.1 卷积神经网络概述 |
3.1.1 卷积神经网络发展 |
3.1.2 卷积神经网络基本组成 |
3.1.3 卷积神经网络训练过程 |
3.2 基于卷积神经网络的电力设备红外图像故障分类 |
3.2.1 故障分类卷积神经网络结构 |
3.2.2 样本数据集 |
3.2.3 网络训练及结果分析 |
3.3 本章小结 |
4 基于卷积神经网络的电力设备红外图像故障分析及健康管理 |
4.1 电力设备故障区域定位 |
4.1.1 图像分割原理 |
4.1.2 传统图像分割算法 |
4.1.3 聚类分析图像分割算法 |
4.1.4 实验结果与分析 |
4.2 电力设备故障等级诊断 |
4.2.1 电力设备故障介绍 |
4.2.2 常用红外诊断方法 |
4.2.3 电力设备故障判断方法 |
4.3 电力设备健康管理 |
4.3.1 故障趋势预测 |
4.3.2 健康管理界面 |
4.4 基于卷积神经网络的电力设备红外图像故障分析方法 |
4.5 本章小结 |
5 基于SSD_Mobilenet网络的电力设备红外图像故障目标检测方法 |
5.1 目标检测简述 |
5.2 SSD_Mobilenet目标检测网络 |
5.2.1 SSD网络 |
5.2.2 Mobilenet网络 |
5.2.3 SSD_Mobilenet网络 |
5.3 实验及结果分析 |
5.4 基于SSD_Mobilenet网络的电力设备红外图像故障分析方法 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(5)基于深度学习的变电设备红外故障诊断方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究与发展现状 |
1.2.1 基于红外检测的热故障诊断研究现状 |
1.2.2 图像处理技术在电力系统中的研究应用现状 |
1.2.3 深度学习在图像处理中的研究现状 |
1.2.4 基于深度学习的模型研究现状 |
1.3 本文研究工作及创新点 |
第二章 基于迁移学习和R-FCN的变电设备类型识别 |
2.1 引言 |
2.2 迁移学习 |
2.3 R-FCN算法细节分析 |
2.3.1 RPN网络 |
2.3.2 ROI子网 |
2.3.3 损失函数(loss) |
2.4 基于迁移学习和改进的R-FCN算法的图像识别算法设计 |
2.4.1 改进R-FCN算法 |
2.4.2 模型评价指标 |
2.5 实验及分析 |
2.5.1 实验平台 |
2.5.2 数据集制作 |
2.5.3 训练和实验结果 |
2.6 本章小结 |
第三章 基于Mask-RCNN的变电设备结构区域划分 |
3.1 引言 |
3.2 从传统的图像分割方法到Mask-RCNN |
3.2.1 传统图像分割算法 |
3.2.2 Mask-RCNN算法 |
3.3 基于Mask-RCNN算法的图像识别及分割算法设计 |
3.3.1 骨干网络设计 |
3.3.2 区域推荐网络设计 |
3.3.3 候选窗口的处理 |
3.3.4 分类回归和Mask分支 |
3.3.5 损失函数设计 |
3.4 实验及分析 |
3.4.1 实验平台 |
3.4.2 数据集制作 |
3.4.3 训练和实验结果 |
3.5 本章小结 |
第四章 变电设备区域温度提取及热故障诊断 |
4.1 红外测温检测法 |
4.1.1 红外测温技术原理 |
4.1.2 红外诊断与电气设备故障特征的关系 |
4.2 变电设备热故障及其诊断方法 |
4.2.1 设备热故障等级 |
4.2.2 设备热故障诊断方法 |
4.2.3 故障诊断判据 |
4.3 变电设备故障诊断流程设计 |
4.4 实例分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
个人简历 |
致谢 |
(6)毒品成瘾者温灸前后面部红外热成像变化与脏腑关系研究(论文提纲范文)
中文摘要 |
Abstract |
引言 |
第一部分 工作基础 |
1 毒品成瘾的相关认识概况 |
1.1 传统医学对毒品成瘾的认识 |
1.2 现代医学对毒品成瘾的认识 |
2 红外热成像技术与中医理论的结合 |
2.1 红外热成像技术符合中医学的理论特点 |
2.2 红外热成像技术体现中医认识人体的特征 |
3 课题组前期工作 |
第二部分 临床研究 |
1 研究对象 |
1.1 资料来源 |
1.2 诊断标准 |
1.3 纳入标准 |
1.4 排除标准 |
1.5 中止和退出临床试验的标准 |
2 研究方法 |
2.1 问卷调查 |
2.2 图像采集 |
2.3 面部红外温度的处理与提取 |
2.4 温灸干预 |
2.5 统计学处理 |
第三部分 研究结果 |
1 毒品成瘾者基本信息情况 |
1.1 基本信息与饮食习惯 |
1.2 吸毒年限与原因、复吸时间与原因情况 |
2 毒品成瘾者中医证素特征及变化 |
2.1 毒品成瘾者温灸前中医证素分布特征 |
2.2 毒品成瘾者温灸后中医证素分布特征 |
2.3 毒品成瘾者温灸前后中医证素积分变化 |
3 吸毒组与对照组面部红外温度差异比较 |
3.1 两组受试者的基线资料对比 |
3.2 吸毒组与对照组面部红外温度差异对比 |
4 毒品成瘾者温灸前后面部红外温度变化 |
5 毒品成瘾者面部红外温度变化与脏腑的相关性 |
第四部分 讨论 |
1 毒品成瘾者基本信息情况分析 |
1.1 基本信息与饮食习惯分析 |
1.2 吸毒年限与原因、复吸时间与原因分析 |
2 毒品成瘾者中医证素特征及变化分析 |
2.1 毒品成瘾者温灸前后中医证素分布特征分析 |
2.2 毒品成瘾者温灸前后中医证素积分变化分析 |
3 吸毒组与对照组面部红外温度对比分析 |
4 毒品成瘾者温灸前后面部红外温度变化分析 |
5 毒品成瘾者面部红外温度变化与脏腑的相关性分析 |
5.1 甲基苯丙胺成瘾对肝的损伤 |
5.2 肝与其他脏腑相联系 |
6 本研究的创新与不足之处 |
结论 |
参考文献 |
附录 |
文献综述 |
参考文献 |
致谢 |
作者简历 |
(7)高压开关设备红外图像识别与故障诊断方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 红外图像处理技术的研究与发展现状 |
1.2.2 红外图像诊断技术在电力行业中的研究现状 |
1.3 本文主要工作与结构安排 |
2 高压开关设备典型热故障及红外图像特征分析 |
2.1 红外成像的基本原理 |
2.1.1 红外技术背景 |
2.1.2 红外测温技术的应用方法 |
2.1.3 红外测温技术的特点 |
2.1.4 高压开关设备红外测温技术的发展趋势 |
2.2 高压开关设备热故障类型及处理方法 |
2.2.1 高压断路器热故障类型及处理方法 |
2.2.2 高压隔离开关热故障类型及处理方法 |
2.2.3 高压负荷开关热故障类型及处理方法 |
2.2.4 高压熔断器热故障类型及处理方法 |
2.3 高压开关设备红外诊断影响因素分析 |
2.3.1 检测基本要求 |
2.3.2 影响因素分析 |
2.3.3 红外热像仪检测诊断使用步骤 |
2.4 本章小结 |
3 高压开关设备红外图像去噪方法 |
3.1 引言 |
3.2 自适应中值滤波分析 |
3.3 改进的自适应中值滤波去噪 |
3.4 实验结果及分析 |
3.4.1 实验数据 |
3.4.2 实验结果对比 |
3.5 本章小结 |
4 高压开关设备红外图像分割识别方法研究 |
4.1 红外图像分割技术研究 |
4.1.1 红外图像分割原理 |
4.1.2 红外图像分割方法 |
4.2 Mask R-CNN检测算法 |
4.3 改进Mask R-CNN检测算法设计 |
4.3.1 参数优化 |
4.3.2 边框回归问题优化 |
4.4 实验结果及分析 |
4.4.1 实验数据集 |
4.4.2 实验效果展示 |
4.4.3 实验结果分析 |
4.5 本章小结 |
5 基于YOLO v3 的高压开关设备异常发热点目标检测方法 |
5.1 引言 |
5.2 高压开关设备红外热图数据集构建 |
5.3 基于YOLO V3 的深度学习算法 |
5.3.1 YOLO v3 模型 |
5.3.2 YOLO v3 算法的优化 |
5.4 实验结果与分析 |
5.4.1 模型效果展示 |
5.4.2 实验结果分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 研究工作总结 |
6.2 展望 |
致谢 |
参考文献 |
个人简历、在学期间发表的学术论文及取得的研究成果 |
(8)基于改进AlexNet模型的关键变电设备红外图像智能分析(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 红外技术研究现状 |
1.2.2 图像处理技术研究现状 |
1.3 本文主要研究内容 |
第二章 红外成像原理及关键变电设备特征分析 |
2.1 红外辐射原理 |
2.2 红外成像原理及热像仪参数选择 |
2.2.1 红外成像原理 |
2.2.2 红外图像特点 |
2.2.3 红外热像仪参数选择 |
2.3 500kV关键变电设备特征分析 |
2.3.1 避雷器 |
2.3.2 电流互感器 |
2.3.3 电压互感器 |
2.3.4 隔离开关 |
2.4 变电设备故障类型简介 |
2.5 本章小结 |
第三章 基于改进AlexNet的红外图像分类模型构建 |
3.1 模型样本集构建 |
3.1.1 红外图像像素统一化 |
3.1.2 红外图像变电设备提取研究 |
3.2 卷积神经网络模型及其网络结构介绍 |
3.2.1 卷积神经网络模型简介 |
3.2.2 卷积神经网络结构介绍 |
3.3 基于改进AlexNet的卷积神经网络模型建立 |
3.3.1 AlexNet网络简介 |
3.3.2 基于改进AlexNet的模型构建 |
3.4 模型结果对比分析 |
3.4.1 实验环境搭建 |
3.4.2 模型结果对比 |
3.5 本章小结 |
第四章 变电设备红外图像运行状态智能分析研究 |
4.1 变电设备故障分类及相应诊断方法介绍 |
4.2 基于颜色空间转换的背景分离及案例分析 |
4.2.1 基于RGB和HSV颜色空间转换的背景分离 |
4.2.2 案例分析 |
4.3 电流致热型设备红外图像状态分析 |
4.4 电压致热型设备红外图像状态分析 |
4.4.1 基于Hough变换的Ostu算法背景分离 |
4.4.2 自适应网格划分的温度特征提取研究 |
4.4.3 电压互感器电容单元运行状态分析研究 |
4.4.4 避雷器运行状态分析 |
4.5 变电设备运行状态案例分析 |
4.5.1 运行状态案例分析 |
4.5.2 自适应网格划分对变电设备状态分析的影响 |
4.6 本章小结 |
结论 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
附件 |
(9)首荟通便胶囊治疗薄型子宫内膜合并肠道功能异常的临床研究(论文提纲范文)
中文摘要 |
Abstract |
中英文缩略词表 |
引言 |
第一部分 薄型子宫内膜合并合并肠道功能异常的热代谢特点及体质研究 |
1 研究对象 |
2 研究方法 |
3 统计方法 |
4 结果 |
第二部分 首荟通便胶囊疗效观察 |
1 观察对象 |
2 方案设计 |
3 观察方法 |
4 结果 |
第三部分 首荟通便胶囊的红外热成像动态药效研究 |
1 观察对象 |
2 方法设计 |
3 结果 |
4 讨论 |
5 结论 |
创新点 |
问题与展望 |
致谢 |
参考文献 |
文献综述 |
综述参考文献 |
附录1 |
附录2 |
附录3 |
(10)基于红外检测的瓷绝缘子劣化诊断技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 课题来源 |
1.4 本文的研究内容和创新点 |
第2章 交流绝缘子发热与诊断盲区研究 |
2.1 绝缘子红外成像的相关技术 |
2.1.1 红外成像系统与装置 |
2.1.2 红外检测的偏差来源 |
2.2 交流电路中绝缘子发热原理 |
2.3 绝缘子串发热仿真研究 |
2.3.1 基于简化模型的电压分布仿真 |
2.3.2 基于简化模型的发热仿真 |
2.4 劣化诊断盲区问题研究 |
2.4.1 多种影响因素的效果分析 |
2.4.2 减小盲区影响的方法 |
2.5 本章小结 |
第3章 基于红外试验的劣化诊断方法研究 |
3.1 试验装置与方案设计 |
3.1.1 试验装置与样本 |
3.1.2 红外试验方案 |
3.2 正常绝缘子串基础试验 |
3.2.1 不加湿试验 |
3.2.2 加湿试验 |
3.3 盲区外零值绝缘子串基础试验 |
3.3.1 不加湿试验 |
3.3.2 加湿试验 |
3.4 盲区零值绝缘子串温度规律的分析 |
3.4.1 阻值位于盲区下限 |
3.4.2 阻值位于盲区上限 |
3.5 基于盲区温差特性的绝缘子劣化诊断技术 |
3.5.1 基于钢帽温升特证的劣化诊断方法 |
3.5.2 基于盲区特性的劣化诊断方法 |
3.5.3 现场实例 |
3.6 本章小结 |
第4章 劣化绝缘子智能诊断系统 |
4.1 基于改进分水岭的绝缘子图像分割 |
4.1.1 分水岭算法基本原理 |
4.1.2 改进分水岭算法的设计 |
4.1.3 分割效果验证 |
4.2 劣化绝缘子自动判别技术 |
4.2.1 劣化判别参数的选择与归一化 |
4.2.2 BP神经网络的结构与算法步骤 |
4.2.3 基于改进BP算法的劣化判别模型 |
4.3 劣化绝缘子智能诊断系统 |
4.3.1 智能诊断系统的操作界面 |
4.3.2 智能诊断系统的算法结构 |
4.4 诊断系统的应用实例 |
4.5 本章小结 |
总结与展望 |
参考文献 |
致谢 |
附录A 攻读学位期间所发表的学术论文目录 |
附录B 攻读学位期间所参加的科研项目目录 |
四、红外诊断技术与应用(五)(论文参考文献)
- [1]基于红外图像数据融合的变压器故障诊断研究[D]. 樊繁. 西安工业大学, 2021(02)
- [2]红外图像处理在架空线路故障诊断中的应用[D]. 程子夜. 安徽理工大学, 2020(07)
- [3]基于图像处理的带式输送机故障诊断系统研究[D]. 张敏. 曲阜师范大学, 2020(02)
- [4]基于红外图像的电力设备故障分析研究[D]. 赵梦. 西安理工大学, 2020(01)
- [5]基于深度学习的变电设备红外故障诊断方法研究[D]. 毛华敏. 华东交通大学, 2020(03)
- [6]毒品成瘾者温灸前后面部红外热成像变化与脏腑关系研究[D]. 吴惠雯. 福建中医药大学, 2020(08)
- [7]高压开关设备红外图像识别与故障诊断方法研究[D]. 王永平. 重庆理工大学, 2020(08)
- [8]基于改进AlexNet模型的关键变电设备红外图像智能分析[D]. 周可慧. 华南理工大学, 2020(02)
- [9]首荟通便胶囊治疗薄型子宫内膜合并肠道功能异常的临床研究[D]. 汪小瑞. 成都中医药大学, 2019(04)
- [10]基于红外检测的瓷绝缘子劣化诊断技术研究[D]. 李凯迪. 湖南大学, 2019(06)