首页--工业技术论文--电工技术论文--电工材料论文--绝缘材料、电介质及其制品论文--绝缘子和套管论文

基于红外热像及人工智能的绝缘子污秽等级识别方法研究

摘要第1-7页
ABSTRACT第7-13页
第1章 绪论第13-22页
   ·课题的背景及研究意义第13-14页
   ·国内外研究现状第14-17页
     ·泄漏电流法第14-15页
     ·等值附盐密度法第15-16页
     ·污层电导率法第16页
     ·闪络场强法第16-17页
     ·红外测温法第17页
   ·课题的来源及主要研究内容第17-21页
     ·课题的来源第17-18页
     ·研究目标及拟解决的问题第18页
     ·课题的主要研究内容第18-19页
     ·本文研究方法的特点及创新第19-21页
   ·本章小结第21-22页
第2章 基于红外热像的绝缘子污秽等级识别方法基本原理及研究方案设计第22-31页
   ·绝缘子污闪的发生、发展过程第22-24页
   ·红外热像法检测绝缘子污秽等级的基本原理与依据第24-27页
   ·总体研究方案设计第27-30页
   ·本章小结第30-31页
第3章 基于BAYES 估计的污秽绝缘子红外热像去噪方法研究第31-38页
   ·污秽绝缘子红外热像去噪的必要性第31页
   ·基于阈值的小波去噪方法第31-33页
     ·小波阈值的选取方法第32页
     ·阈值处理函数第32-33页
   ·基于BAYES 估计的小波自适应去噪方法第33-35页
     ·带噪信号的 Bayes 估计第33-34页
     ·红外热像小波系数的自适应 Bayes 估计第34-35页
   ·去噪试验及结果第35-37页
   ·本章小结第37-38页
第4章 污秽绝缘子红外热像的分割算法研究第38-52页
   ·污秽绝缘子红外热像分割的必要性第38页
   ·图像分割基本方法概述第38-43页
   ·不同污秽程度绝缘子红外热像分割方法研究第43-50页
     ·严重污秽绝缘子红外热像分割方法研究第44-46页
     ·洁净及轻度污秽绝缘子红外热像分割方法研究第46-50页
   ·本章小结第50-52页
第5章 基于K-L 变换的污秽绝缘子红外热像特征提取方法研究第52-62页
   ·绝缘子污秽特征K-L 变换的必要性第52页
   ·K-L 变换基本理论第52-54页
   ·绝缘子污秽特征数据的K-L 变换第54-58页
     ·基于红外热像的高压绝缘子原始污秽特征数据的采集第54-55页
     ·基于K-L 变换的绝缘子污秽特征主分量的提取第55-58页
   ·K-L 变换实验结果分析第58-61页
     ·K-L 变换后数据对污秽等级分类的影响第58-60页
     ·主分量个数选择对污秽等级分类的影响第60-61页
   ·本章小结第61-62页
第6章 基于人工智能分类器的绝缘子污秽等级识别方法研究第62-80页
   ·概述第62页
   ·BP 神经网络第62-64页
   ·RBF 神经网络第64-65页
   ·PNN 神经网络第65-66页
   ·用于绝缘子污秽等级识别的 RBPNN 神经网络设计第66-72页
     ·RBPNN 神经网络结构第66-67页
     ·RBPNN 神经网络的学习算法第67-69页
     ·基于RBPNN 的绝缘子污秽等级识别第69-72页
   ·用于绝缘子污秽等级识别的支持向量机(SVM)设计第72-79页
     ·支持向量机(SVM)网络结构及分类方法第73-74页
     ·支持向量机(SVM)输入数据处理及参数选择第74-76页
     ·基于支持向量机的高压绝缘子污秽等级分类第76页
     ·基于支持向量机的绝缘子污秽等级分类准确性分析第76-79页
   ·本章小结第79-80页
第7章 实验及结果分析第80-90页
   ·试验设计第80-81页
   ·试验图像及数据第81-85页
   ·实验结果分析第85-89页
     ·湿度对各级污秽特征分布的影响第85-87页
     ·加载电压对各级污秽特征分布的影响第87-89页
     ·其他试验结果及分析第89页
   ·本章小结第89-90页
结论第90-92页
参考文献第92-104页
附录A 攻读学位期间所发表的学术论文第104-105页
附录B 攻读学位期间参与的相关科研项目第105-106页
附录C 攻读学位期间相关科研项目成果及获奖情况第106-107页
致谢第107页

论文共107页,点击 下载论文
上一篇:基于博弈论的上市公司盈余管理分析
下一篇:聚乳酸合成过程中废液的回收与纯化工艺研究