摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究背景 | 第11-12页 |
1.2 研究现状 | 第12-14页 |
1.3 本文研究内容 | 第14-16页 |
第二章 变电站设备典型故障及红外图像特征 | 第16-28页 |
2.1 红外检测适用范围及故障分类 | 第16-17页 |
2.2 变电站关键电气设备典型故障 | 第17-27页 |
2.2.1 500kV绝缘子 | 第17-19页 |
2.2.2 变压器高压套管 | 第19-21页 |
2.2.3 避雷器 | 第21-23页 |
2.2.4 断路器 | 第23-24页 |
2.2.5 电流互感器 | 第24-25页 |
2.2.6 电压互感器 | 第25-27页 |
2.2.7 隔离开关 | 第27页 |
2.3 本章小结 | 第27-28页 |
第三章 变电站设备红外图像处理流程 | 第28-47页 |
3.1 红外图像处理流程 | 第28-38页 |
3.1.1 S1选取目标矩形区域 | 第29-30页 |
3.1.2 S2Hough变换直线检测 | 第30-32页 |
3.1.3 S3旋转至竖直方向 | 第32-33页 |
3.1.4 S4图像二值化 | 第33-35页 |
3.1.5 S5形态学操作去除干扰 | 第35-36页 |
3.1.6 S6长度特征统计 | 第36页 |
3.1.7 S7反向求得图像 | 第36-37页 |
3.1.8 S8连通区域标记 | 第37页 |
3.1.9 S9原图标记 | 第37-38页 |
3.2 避雷器红外图像处理 | 第38-40页 |
3.3 电流互感器红外图像处理 | 第40-42页 |
3.4 变压器高压套管红外图像处理 | 第42-44页 |
3.5 断路器红外图像处理 | 第44-46页 |
3.6 本章小结 | 第46-47页 |
第四章 基于BP神经网络的设备故障识别 | 第47-64页 |
4.1 BP神经网络 | 第47-50页 |
4.1.1 信号前向传递 | 第48-49页 |
4.1.2 误差逆向反馈 | 第49-50页 |
4.2 基于BP神经网络的500kV绝缘子串故障识别 | 第50-57页 |
4.2.1 神经网络结构 | 第51-54页 |
4.2.2 神经网络训练 | 第54-56页 |
4.2.3 神经网络测试 | 第56-57页 |
4.3 基于BP神经网络的500kV避雷器故障识别 | 第57-60页 |
4.3.1 神经网络结构 | 第57-59页 |
4.3.2 神经网络训练 | 第59-60页 |
4.3.3 神经网络测试 | 第60页 |
4.4 基于BP神经网络的500kV电流互感器故障识别 | 第60-63页 |
4.4.1 神经网络结构 | 第61-62页 |
4.4.2 神经网络训练 | 第62页 |
4.4.3 神经网络测试 | 第62-63页 |
4.5 本章小结 | 第63-64页 |
第五章 基于CNN的红外图像分类和红外检测方法 | 第64-72页 |
5.1 卷积神经网络 | 第64-67页 |
5.1.1 网络结构 | 第65-66页 |
5.1.2 网络训练 | 第66-67页 |
5.2 基于CNN的红外图像分类 | 第67-69页 |
5.2.1 训练样本与数据增强 | 第67页 |
5.2.2 网络结构 | 第67-68页 |
5.2.3 网络训练与测试 | 第68-69页 |
5.3 基于图像处理和神经网络的变电站关键设备红外检测方法 | 第69-71页 |
5.4 本章小结 | 第71-72页 |
结论 | 第72-74页 |
参考文献 | 第74-78页 |
攻读学位期间取得的研究成果 | 第78-79页 |
致谢 | 第79-80页 |
附件 | 第80页 |