發(fā)布時間：2021-04-13 12:58

　　隨著我國社會經(jīng)濟(jì)的快速發(fā)展,工業(yè)生產(chǎn)和居民生活對電的需求量越來越大,為了適應(yīng)日益增長的需求量,電網(wǎng)的規(guī)模也在不斷擴(kuò)大,一旦發(fā)生重大的停電事故影響的將是幾百萬人甚至上千萬人,給經(jīng)濟(jì)帶來極大的損失,甚至造成人員傷亡。因此,及時發(fā)現(xiàn)各種電氣設(shè)備的故障,準(zhǔn)確定位出故障的具體位置,以便工作人員及時排查故障,防止故障的擴(kuò)大化具有十分重要的意義。傳統(tǒng)變電站故障排查是將設(shè)備停電,通過工作人員進(jìn)行巡線檢修的方法,這通常需要花費(fèi)大量的時間,造成能源浪費(fèi)。本文設(shè)計了一套基于紅外圖像的變電站設(shè)備故障檢測系統(tǒng),能夠在不停電、無接觸、無損的情況下精確地定位出故障的位置,及時的發(fā)現(xiàn)并排查故障,防止人員傷亡,保證電力系統(tǒng)的可靠供電。論文的主要研究內(nèi)容包括以下幾個方面:（1）對國內(nèi)外紅外診斷技術(shù)的研究現(xiàn)狀進(jìn)行分析,論述了其發(fā)展史上幾個重要的節(jié)點(diǎn)。通過對比研究了基于紅外圖像的分割算法在國內(nèi)外的發(fā)展現(xiàn)狀,論述了每種方法的優(yōu)缺點(diǎn),給出了故障檢測系統(tǒng)的分割理論依據(jù)。（2）通過對紅外圖像的成像原理的分析,得出紅外圖像的噪聲污染是不可避免的,并通過實(shí)驗(yàn)統(tǒng)計分析得出在影響紅外圖像的大量噪聲中,脈沖噪聲是最常見的噪聲,同時也是造成紅外... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像的小波三層多分辨率分解圖

圖 2.4 灰度直方圖（2）固定閾值分割固定閾值法的工作原理是通過一定的準(zhǔn)則分析圖像像素值，然后確定一灰度閾值，然后再將圖像中的像素灰度值和該閾值比較，根據(jù)和閾值的相像中的像素值分為不同的類，達(dá)到分割的目的。令 f(x,y)表示處理前的圖像，g(x,y)表示處理后的圖像，T 為選取的灰度 ≤>=bfxyTafxyTgxy,(,),(,)( ,)上式表示用單個閾值將圖像分割成目標(biāo)和背景的過程。首先確定一個像，然后將圖像中的所有的像素點(diǎn)灰度值和該閾值 T 進(jìn)行比較，如果圖像于 T，則該像素點(diǎn)標(biāo)記為 a；如果灰度值小于 T，則將該像素點(diǎn)標(biāo)記為 b點(diǎn)都比較完成后，整個圖像就按像素灰度值分成了兩類，達(dá)到了圖像分割的，當(dāng)式中 a=1，b=0 時，圖像目標(biāo)區(qū)域?yàn)榘咨�，背景區(qū)域?yàn)楹谏@圖像的二值化。

基于這個特點(diǎn)，在分割圖像中的目標(biāo)區(qū)域的時候，可以利用導(dǎo)數(shù)算子模板來檢圖像中灰度不連續(xù)的部分，從而準(zhǔn)確的分割出圖像的邊緣[40]。當(dāng)圖形中的像素點(diǎn)被測標(biāo)記為邊緣時，根據(jù)標(biāo)記時的處理情況，分為串行邊緣檢測技術(shù)和并行邊緣檢測術(shù)。如果判斷該像素點(diǎn)是否為邊緣的依據(jù)是通過先前像素點(diǎn)的檢測結(jié)果決定的，就于串行邊緣檢測技術(shù)；如果依據(jù)的是當(dāng)前像素點(diǎn)以及該像素點(diǎn)周圍鄰域的檢測結(jié)，則屬于并行邊緣檢測技術(shù)。（1）邊緣檢測的原理邊緣是由圖像中表示區(qū)域與區(qū)域之間不連續(xù)或突變的灰度值、顏色、紋理等特征像素點(diǎn)構(gòu)成的，由于像素的灰度突變非常短促，所以可以用一階微分和二階微分來示。根據(jù)微分的原理，圖 2.5(a)的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)分別為圖 2.5(b)、(c)所示形。從圖 2.5 可以看出對于圖像中變化較為平坦的區(qū)域，因?yàn)槠湎袼鼗叶戎底兓皇谴螅云涮荻确递^��；而圖像的邊緣區(qū)域，因相鄰灰度值變化劇烈，所以梯度值較大，因此用一階導(dǎo)數(shù)的幅值的大小可以判斷圖像中是否有邊緣以及邊緣的位。同樣的道理，二階導(dǎo)數(shù)的符號可以用來判斷一個邊緣像素是在邊緣亮的一邊還是暗的一邊，而且過零點(diǎn)的位置就是邊緣的位置。

【參考文獻(xiàn)】：
期刊論文
[1]智能變電站過程層故障診斷及定位技術(shù)研究[J]. 李興美,尹文兆,段蘭,王自宏,趙鳳,韓斌.  科技創(chuàng)新與應(yīng)用. 2018(32)
[2]基于OTSU和區(qū)域生長的電氣設(shè)備多點(diǎn)故障分割[J]. 余成波,曾亮,張林.  紅外技術(shù). 2018(10)
[3]電力系統(tǒng)變電站實(shí)時故障診斷技術(shù)[J]. 單志鵬,張美勇.  科技與創(chuàng)新. 2018(17)
[4]2018年電力發(fā)展形勢分析與展望[J]. 楊昆.  中國電力企業(yè)管理. 2018(10)
[5]智能變電站物理回路故障診斷方案設(shè)計及實(shí)現(xiàn)[J]. 劉清泉,郝曉光,劉勇,李鐵成.  供用電. 2018(02)
[6]基于區(qū)域生長的圖像分割研究進(jìn)展[J]. 徐蔚波,劉穎,章浩偉.  北京生物醫(yī)學(xué)工程. 2017(03)
[7]基于離散余弦變換的非局部均值圖像去噪算法[J]. 沈萍萍,余勤.  計算機(jī)工程與設(shè)計. 2017(01)
[8]基于FAsT-Match算法的電力設(shè)備紅外圖像分割[J]. 鄒輝,黃福珍.  紅外技術(shù). 2016(01)
[9]基于改進(jìn)OTSU算法的紅外圖像分割[J]. 王星,蔡亮,黃杰,高文昀,鞠園.  火力與指揮控制. 2014(S1)
[10]改進(jìn)OTSU算法和邊緣檢測的圖像分割算法研究[J]. 孫歡歡,程耀瑜,冀鈺.  山西電子技術(shù). 2014(02)

碩士論文
[1]基于紅外技術(shù)的變電站設(shè)備識別與熱故障診斷[D]. 任新輝.西南交通大學(xué) 2016
[2]電氣設(shè)備紅外圖像分析與處理[D]. 楊洋.北京交通大學(xué) 2015
[3]基于圖像處理技術(shù)的電氣設(shè)備故障診斷方法研究[D]. 熊芬芳.東華大學(xué) 2015
[4]基于紅外測溫技術(shù)的變電設(shè)備缺陷診斷分析[D]. 李鵬程.華北電力大學(xué) 2014
[5]變電站電力設(shè)備紅外圖像分割技術(shù)研究[D]. 王如意.西安科技大學(xué) 2011



本文編號：3135342