基于红外热像技术的电接触故障检测方法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-21页 |
1.1 论文研究背景及意义 | 第11-12页 |
1.2 电接触故障检测技术的研究现状 | 第12-16页 |
1.2.1 示温蜡片法 | 第13页 |
1.2.2 热敏电阻测温法 | 第13-14页 |
1.2.3 分布式光纤测温法 | 第14-15页 |
1.2.4 光纤光栅测温法 | 第15-16页 |
1.3 红外热像技术在电气设备状态检测中的应用 | 第16-19页 |
1.3.1 红外热像技术的概述 | 第16页 |
1.3.2 红外热像技术的研究进展 | 第16-18页 |
1.3.3 红外热像技术的局限性 | 第18-19页 |
1.4 本文主要工作 | 第19-21页 |
第2章 电接触热故障红外检测的基本理论 | 第21-33页 |
2.1 电接触过热模型 | 第21-23页 |
2.1.1 接触电阻 | 第21-22页 |
2.1.2 模型介绍 | 第22-23页 |
2.2 三类典型的电接触故障机理分析 | 第23-28页 |
2.2.1 高压隔离开关 | 第23-25页 |
2.2.2 液压式耐张线夹 | 第25-26页 |
2.2.3 高压套管将军帽 | 第26-28页 |
2.3 红外热像仪检测原理 | 第28-30页 |
2.3.1 红外辐射的基本规律 | 第28-29页 |
2.3.2 红外热像仪 | 第29-30页 |
2.4 红外热像检测影响因素 | 第30-32页 |
2.4.1 大气吸收的影响 | 第30页 |
2.4.2 太阳光辐射的影响 | 第30页 |
2.4.3 气象因素的影响 | 第30-31页 |
2.4.4 环境温度的影响 | 第31页 |
2.4.5 发射率选择的影响 | 第31页 |
2.4.6 距离系数设定的影响 | 第31页 |
2.4.7 检测角度对红外热成像检测的影响 | 第31-32页 |
2.5 本章小结 | 第32-33页 |
第3章 电接触红外热像小波去噪 | 第33-48页 |
3.1 电接触红外热像去噪的必要性 | 第33页 |
3.2 小波图像去噪的基本理论 | 第33-37页 |
3.2.1 一维连续小波变换 | 第33-35页 |
3.2.2 多分辨率分析及Mallat算法 | 第35-36页 |
3.2.3 图像二维离散小波变换 | 第36-37页 |
3.3 基于小波变换的图像去噪方法 | 第37-41页 |
3.3.1 小波阈值图像去噪 | 第37-39页 |
3.3.2 基于小波系数统计模型图像去噪 | 第39-41页 |
3.4 基于TLS估计的遗传小波红外热像去噪 | 第41-45页 |
3.4.1 TLS估计模型 | 第41-42页 |
3.4.2 TLS估计的小波自适应去噪 | 第42页 |
3.4.3 遗传小波变换去噪算法 | 第42-45页 |
3.5 仿真结果及分析 | 第45-47页 |
3.6 本章小结 | 第47-48页 |
第4章 电接触红外热像分割 | 第48-55页 |
4.1 电接触红外热像分割的必要性 | 第48页 |
4.2 基于阈值的红外热像分割 | 第48-49页 |
4.2.1 双峰阈值分割法 | 第48页 |
4.2.2 最大熵阈值法 | 第48-49页 |
4.2.3 最大类间方差法 | 第49页 |
4.3 改进自适应遗传算法的红外热像分割 | 第49-54页 |
4.3.1 自适应遗传算法 | 第49-50页 |
4.3.2 改进的自适应遗传算法 | 第50-52页 |
4.3.3 仿真结果及分析 | 第52-54页 |
4.4 本章小结 | 第54-55页 |
第5章 基于PNN神经网络电接触故障识别 | 第55-63页 |
5.1 引言 | 第55页 |
5.2 电接触热故障类型及判别方法 | 第55-57页 |
5.2.1 故障类型 | 第55页 |
5.2.2 电气设备热故障判别方法 | 第55-57页 |
5.3 基于PNN的电接触故障识别系统 | 第57-62页 |
5.3.1 PNN神经网络 | 第57-58页 |
5.3.2 电接触故障红外热像特征矢量提取 | 第58-59页 |
5.3.3 仿真结果及分析 | 第59-62页 |
5.4 本章总结 | 第62-63页 |
总结与展望 | 第63-64页 |
参考文献 | 第64-69页 |
致谢 | 第69-70页 |
附录A 攻读学位期间所发表的学术论文目录 | 第70-71页 |
附录B 攻读学位期间所参加的科研项目目录 | 第71-72页 |
附录C 实验训练及测试部分样本数据 | 第72-74页 |