首页--工业技术论文--电工技术论文--发电、发电厂论文--变电所论文

一种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

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

论文共80页,点击 下载论文
上一篇:BIM应用的效益评价体系研究与实证
下一篇:在线签名认证若干关键问题研究