深度学习在故障电气设备诊断中的应用

发布时间：2024-03-30 16:18

　　针对当前通过人工阅读变电站故障电气设备的红外图像进行电气设备诊断的速度缓慢、对人工的经验依赖性高等问题,提出将基于深度学习的图像检索用于电力设备的故障诊断中。通过将以往的典型故障电气设备的图像建立为典型数据集,利用图像检索技术将目标故障图像从典型数据集中检索出最相似的N张图像,根据得到的图像名称获取对应图像的故障解决方法,并在实验数据集上进行了测试验证。同时在CIFAR—10以及Oxford5k数据集上进行了系统的性能可靠性验证。实验表明:将图像检索技术运用于故障电气设备的图像检索具有一定的可行性。

【文章页数】：4 页

【部分图文】：

图2VGG16网络结构图

图像特征的提取是整个图像检索研究中的关键步骤[8]，与传统机器学习相比，深度学习的优势就在于特征自动提取，而非采用人工设计的特征[9]，而好的特征可以极大的提高模型的性能。本文采用VGG16深度神经网络提取电气设备红外图像的图像特征。借助已经在ImageNet上的海量数据预训练....

图3检索结果

为验证本文系统的可靠性与探究影响检索精度的因素，本文设置两组对照试验。第一组对照实验通过计算公开数据集CIFAR—10,Oxford5k与本文的电气设备红外图像数据集在本系统中的查全率、查准率和MAP，判断本系统是否可行。实验得出的CIFAR—10,Oxford5k和电气设备红外....

图4处理前的图像与处理后的对比

根据第一组实验的结果，第二组对照实验通过调整电气设备红外图像的背景，角度以及去除图像中的温度表尺等操作后，对比系统的检索结果与调整前有无差别，探究数据集中会对检索结果产生影响的因素种类。处理后的部分图像如图4所示。实验得出的处理图像前后的三项性能指标如表2所示。

图1电气设备故障诊断流程图

检索方法流程图如图1所示。2电气设备红外图像的特征提取

本文编号：3942613