基于三维点云的变电站设备分类识别研究

发布时间：2017-08-19 09:43

  本文关键词：基于三维点云的变电站设备分类识别研究

  更多相关文章： 变电站设备 分类识别 三维点云 特征提取 粒子群算法 姿态估计

【摘要】：电力工业的迅猛发展对变电站建设提出更高要求,而变电站数字重构是其监控和诊断的重要内容。以变电站设备的外形轮廓及姿态信息为基础,对现有变电站建立数字重构模型,能够反应变电站设备空间位置信息的真实情况,便于变电站的升级维护以及布局的调整,同时可根据需要为变电站的重建提供更准确的依据。电气设备的分类识别是变电站数字重构的关键技术,其识别数据来源于三维激光点云。通过三维激光扫描仪获取变电站设备外形的三维点云数据,使得利用变电站设备的外形特征对设备进行分类识别成为可能。同时,实现变电站设备的自动分类识别对变电站大规模三维自动数字重构有着基础支撑作用。本文研究了变电站三维设备的特征提取、分类识别以及姿态估计等问题,主要研究的内容如下。(1)论述了三维激光扫描系统的工作原理以及变电站设备点云的获取以及预处理过程。(2)研究了基于三维点云的变电站设备特征提取原理及方法,提取了设备的分层投影面积特征,利用主成分分析法对变电站设备点云的法向量特征进行提取,同时提取了设备的投影面积、投影密度、灰度、包络体积等,为设备的分类识别奠定了良好的基础。(3)对支持向量机、神经网络以及距离分类算法进行了比较分析,由于提取变电站设备三维点云的特征达数百维,应用距离分类器实现变电站设备的分类识别较为简单,所以设计了基于距离分类算法的三维电气设备分类识别方法。提出了粒子群算法的一种改进算法,并利用该算法对距离分类器中输入权重进行优化,提高设备的分类识别精度。(4)利用体积匹配法对变电站设备的姿态进行估计,为变电站自动三维数字重构提供设备的姿态位置信息。同时,在MATLAB环境中创建了一个实验仿真平台,对变电站设备的分类识别过程进行较为直观的演示。利用本文研究的基于三维点云的变电站设备分类识别算法,对12类共222个变电站设备进行了点云数据分析和研究,提取了设备的识别特征,并进行了分类识别仿真测试。结果表明,该算法实现了对变电站设备的自动识别分类以及姿态估计,为变电站的自动数字重构奠定了基础。与此同时,采用本文研究的方法能够提高变电站三维数字重构的效率,进而提高相应工作效率。
【关键词】：变电站设备 分类识别 三维点云 特征提取 粒子群算法 姿态估计
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM63
【目录】：

• 摘要4-6
• Abstract6-13
• 1 绪论13-18
• 1.1 课题来源13
• 1.2 研究背景及意义13-15
• 1.3 国内外研究现状15-16
• 1.4 研究内容16-17
• 1.5 本章小结17-18
• 2 变电站设备三维点云数据的获取及预处理18-32
• 2.1 地面激光雷达系统18-19
• 2.1.1 系统组成18
• 2.1.2 系统工作原理18-19
• 2.2 变电站三维点云数据的获取19
• 2.3 点云数据的结构及其特点19-21
• 2.3.1 点云数据的结构19-21
• 2.3.2 点云数据特点21
• 2.4 变电站设备识别分类及姿态估计流程21-22
• 2.5 变电站点云数据预处理22-31
• 2.5.1 设备三维点云排序及精简22-26
• 2.5.1.1 均匀网格法23
• 2.5.1.2 均匀采样法23-24
• 2.5.1.3 点云精简比较24-26
• 2.5.2 设备点云分割26-30
• 2.5.2.1 点云分割简介26-27
• 2.5.2.2 变电站设备三维点云分割的实现27-30
• 2.5.3 变电站设备点云去噪30-31
• 2.6 本章小结31-32
• 3 基于三维点云的变电站设备特征提取32-51
• 3.1 设备三维点云的投影边界曲率32-38
• 3.1.1 投影边界提取32-35
• 3.1.2 曲率估计35-36
• 3.1.3 曲率直方图36-38
• 3.2 设备的三维点云法向量38-42
• 3.2.1 主成分分析法（PCA）38-40
• 3.2.2 点云法向量40
• 3.2.3 基于法向量的设备特征提取40-42
• 3.3 三维点云的灰度直方图42-46
• 3.4 设备分层投影面积直方图46-49
• 3.5 设备体积、高程分布几何特征49-50
• 3.6 本章小结50-51
• 4 变电站设备的模式识别方法研究51-69
• 4.1 模式识别简介51-55
• 4.1.1 神经网络方法51-53
• 4.1.2 支持向量机方法53-54
• 4.1.3 距离分类算法54
• 4.1.4 方法的分析与选择54-55
• 4.2 距离分类算法55-59
• 4.2.1 模板匹配55-58
• 4.2.1.1 欧几里得距离56-57
• 4.2.1.2 街市距离57
• 4.2.1.3 切比雪夫距离57
• 4.2.1.4 加权距离57-58
• 4.2.2 最近邻分类58-59
• 4.3 粒子群算法优化距离分类算法输入权重59-63
• 4.3.1 粒子群算法的改进59-60
• 4.3.1.1 惯性权重的改进59-60
• 4.3.1.2 动态学习因子的选取60
• 4.3.2 改进粒子群算法测试60-62
• 4.3.3 距离分类器输入权重优化62-63
• 4.4 变电站设备三维实体识别流程63-64
• 4.5 设备识别仿真实验及结果分析64-68
• 4.5.1 数据选择及类别64-65
• 4.5.2 识别结果及分析65-68
• 4.6 本章小结68-69
• 5 变电站设备姿态估计及仿真实验平台创建69-76
• 5.1 基于三维点云的设备姿态估计69-72
• 5.2 设备识别过程的仿真实验平台建立72-75
• 5.2.1 MATLAB GUI简述72
• 5.2.2 建立仿真实验平台72-75
• 5.3 本章小结75-76
• 6 总结与展望76-77
• 参考文献77-80
• 致谢80-81
• 个人简历、在校期间发表的学术论文与研究成果81

【相似文献】

中国期刊全文数据库 前10条

1 付功连;;浅谈变电站设备改造思路和设计优化[J];邵阳学院学报(自然科学版);2006年03期

2 秦继先;;变电站设备相关问题探讨[J];科技风;2011年11期

3 鲍辉;;浅谈智能变电站的优点及运行维护[J];中国新技术新产品;2013年13期

4 郑建栋;;试析变电站智能设备应用状况[J];电子测试;2013年07期

5 牟世超;路兴平;;变电站设备改造思路及设计优化方案探究[J];电子制作;2013年16期

6 王彬;;关于优化变电站设备改造的有益探索[J];中国新技术新产品;2013年23期

7 徐伟江;;关于220kV智能变电站的运行管理探讨[J];现代制造技术与装备;2013年06期

8 王锡生;500kV变电站应用图像监控系统的探讨[J];华东电力;2001年12期

9 张伟;变电站的干扰及其防护措施[J];自动化博览;2002年05期

10 袁荣湘,涂晓平;变电站远程图像监控系统的功能与组网探讨[J];电力系统及其自动化学报;2003年05期

中国重要会议论文全文数据库 前10条

1 沈光友;;雪凝期间变电站的特殊运行维护[A];2008年抗冰保电技术论坛论文集（二）[C];2008年

2 王保娟;姚松恒;;基于H．263的变电站远程视频监控系统研究[A];第十届中国科协年会环境保护与生态文明建设论坛论文集[C];2008年

3 柴华;;变电站和谐建设探讨[A];城市时代，，协同规划——2013中国城市规划年会论文集（05-工程防灾规划）[C];2013年

4 肖承;仓世奎;张真涛;;变电站鸟害故障分析和预防措施[A];经济策论（下）[C];2011年

5 羊剑梅;;变电站现场作业风险分析与管控[A];2010年云南电力技术论坛论文集（文摘部分）[C];2010年

6 米朝辉;;500kV变电站运维管理方式初探[A];山东电机工程学会2012年度学术年会论文集[C];2012年

7 胡道徐;沃建栋;;智能变电站虚回路体系[A];中国水力发电工程学会继电保护专业委员会2009年年会——暨学术研讨会学术论文集[C];2009年

8 邴光;冯士武;胡桂燕;;变电站设备发热的检查与判断[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年

9 汤建华;汪雯s

本文编号：700046