基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法研究
发布时间：2022-12-07 03:32
绝缘子是一种特殊的绝缘控件,具有线路支撑和电气绝缘的功能,是架空输电线路中重要元件,同时它又是电路传输过程中故障多发元件。破损、污秽、自爆等问题会影响输电线路的安全运行,造成无法估量的损失。因此,伴随着高压输电线路规模日益增大,人工巡线和目测绝缘子故障的任务日益繁重,有必要对绝缘子的运行状态进行实时检测。因此,本文针对现有绝缘子自爆状态检测方法中开环模型泛化能力的不足和深层神经网络结构的缺陷,模仿人类认知模式,借鉴迁移学习和反馈机制,探索了一种基于深度迁移学习的玻璃绝缘子自爆状态智能检测方法。本文的主要工作如下:（1）针对航拍绝缘子图像中存在大量野外环境信息,以及无人机或直升机在航拍过程中遇到紊流抖动以及处于不同拍摄视角的情形,为绝缘子状态认知模型提供输入数据预处理以及后续精准定位自爆部位,基于YOLO-v3算法对复杂航拍绝缘子图像中的绝缘子进行定位,并进行旋转变换和归一化预处理,为后续状态识别提供绝缘子图像数据库。（2）针对卷积神经网络中存在冗余特征图提取所带来的计算量大的问题,本文引入交错组卷积网络,降低卷积运算的通道冗余,在高阶抽象特征空间的基础上构建更深层次特征空间数据结构,实...
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 电网巡检方法研究现状
1.2.2 绝缘子识别与定位方法研究现状
1.2.3 深度迁移学习的研究现状
1.3 本课题的主要研究内容和章节安排
第二章 航拍绝缘子图像预处理和深度迁移学习的相关技术
2.1 玻璃绝缘子数据库建立
2.2 YOLO-V3目标检测方法
2.3 玻璃绝缘子图像归一化
2.4 卷积神经网络的结构
2.4.1 卷积层
2.4.2 非线性函数
2.4.3 池化层和全连接层
2.4.4 经典卷积神经网络
2.5 迁移学习
2.6 本章小结
第三章 基于深度迁移学习的智能认知模型设计
3.1 基于深度迁移学习的智能认知模型
3.2 INCEPTION模型简介
3.3 基于深度迁移学习自适应架构网络
3.3.1 交错卷积组
3.3.2 可区分性特征空间重构
3.3.3 随机配置网络分类器
3.4 深层神经网络参数调节
3.5 本章小结
第四章 基于语义误差熵约束的玻璃绝缘子自爆状态动态认知机制
4.1 玻璃绝缘子自爆状态智能认知模型
4.2 玻璃绝缘子自爆状态特征提取
4.3 玻璃绝缘子自爆状态认知结果评测指标
4.4 基于语义误差熵的认知反馈调节机制
4.5 玻璃绝缘子自爆状态的智能反馈认知算法
4.6 本章小结
第五章 实验结果与分析
5.1 实验设备及参数设定
5.2 实验及结果分析
5.3 不同认知方法结果的对比
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法研究[J]. 李帷韬,焦点,张倩,韩慧慧,汤健,丁美双. 中国电机工程学报. 2020(11)
[2]鲁棒状态反馈附加励磁控制器设计[J]. 阴宏民,王继弘,阴冠蒿. 电力系统及其自动化学报. 2019(12)
[3]形状感知的绝缘子识别与缺陷诊断[J]. 张晶晶,韩军,赵亚博,刘俍,王万国,朱铭武. 中国图象图形学报. 2014(08)
[4]基于彩色图像的玻璃绝缘子缺陷诊断[J]. 林聚财,韩军,陈舫明,徐雄,王亚萍. 电网技术. 2011(01)
[5]基于Prewitt理论的自适应边缘检测算法[J]. 康牧,许庆功. 计算机应用研究. 2009(06)
[6]模式识别的属性计算网络模型[J]. 许广林,冯嘉礼,刘永昌. 计算机研究与发展. 2008(S1)
[7]高海拔、污秽、覆冰环境下超高压线路绝缘子交直流放电特性及闪络电压校正研究[J]. 孙才新,舒立春,蒋兴良,司马文霞,顾乐观. 中国电机工程学报. 2002(11)
[8]基于反馈的手写体字符识别方法的研究[J]. 朱小燕,史一凡. 计算机学报. 2002(05)
博士论文
[1]不确定信息认知对象的仿反馈认知智能机制与计算模型研究[D]. 陈克琼.合肥工业大学 2017
硕士论文
[1]基于深度迁移学习的烟雾图像检测[D]. 韩超慧.武汉纺织大学 2019
[2]基于可见光与红外航拍图像的输电线路绝缘子多故障检测研究[D]. 王畇浩.电子科技大学 2019
[3]基于深度迁移学习的赖氨酸乙酰化位点预测问题的研究[D]. 李佳根.东北师范大学 2019
[4]航拍图像中绝缘子定位与状态检测研究[D]. 刘宁.华北电力大学 2016
本文编号：3712155
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 电网巡检方法研究现状
1.2.2 绝缘子识别与定位方法研究现状
1.2.3 深度迁移学习的研究现状
1.3 本课题的主要研究内容和章节安排
第二章 航拍绝缘子图像预处理和深度迁移学习的相关技术
2.1 玻璃绝缘子数据库建立
2.2 YOLO-V3目标检测方法
2.3 玻璃绝缘子图像归一化
2.4 卷积神经网络的结构
2.4.1 卷积层
2.4.2 非线性函数
2.4.3 池化层和全连接层
2.4.4 经典卷积神经网络
2.5 迁移学习
2.6 本章小结
第三章 基于深度迁移学习的智能认知模型设计
3.1 基于深度迁移学习的智能认知模型
3.2 INCEPTION模型简介
3.3 基于深度迁移学习自适应架构网络
3.3.1 交错卷积组
3.3.2 可区分性特征空间重构
3.3.3 随机配置网络分类器
3.4 深层神经网络参数调节
3.5 本章小结
第四章 基于语义误差熵约束的玻璃绝缘子自爆状态动态认知机制
4.1 玻璃绝缘子自爆状态智能认知模型
4.2 玻璃绝缘子自爆状态特征提取
4.3 玻璃绝缘子自爆状态认知结果评测指标
4.4 基于语义误差熵的认知反馈调节机制
4.5 玻璃绝缘子自爆状态的智能反馈认知算法
4.6 本章小结
第五章 实验结果与分析
5.1 实验设备及参数设定
5.2 实验及结果分析
5.3 不同认知方法结果的对比
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法研究[J]. 李帷韬,焦点,张倩,韩慧慧,汤健,丁美双. 中国电机工程学报. 2020(11)
[2]鲁棒状态反馈附加励磁控制器设计[J]. 阴宏民,王继弘,阴冠蒿. 电力系统及其自动化学报. 2019(12)
[3]形状感知的绝缘子识别与缺陷诊断[J]. 张晶晶,韩军,赵亚博,刘俍,王万国,朱铭武. 中国图象图形学报. 2014(08)
[4]基于彩色图像的玻璃绝缘子缺陷诊断[J]. 林聚财,韩军,陈舫明,徐雄,王亚萍. 电网技术. 2011(01)
[5]基于Prewitt理论的自适应边缘检测算法[J]. 康牧,许庆功. 计算机应用研究. 2009(06)
[6]模式识别的属性计算网络模型[J]. 许广林,冯嘉礼,刘永昌. 计算机研究与发展. 2008(S1)
[7]高海拔、污秽、覆冰环境下超高压线路绝缘子交直流放电特性及闪络电压校正研究[J]. 孙才新,舒立春,蒋兴良,司马文霞,顾乐观. 中国电机工程学报. 2002(11)
[8]基于反馈的手写体字符识别方法的研究[J]. 朱小燕,史一凡. 计算机学报. 2002(05)
博士论文
[1]不确定信息认知对象的仿反馈认知智能机制与计算模型研究[D]. 陈克琼.合肥工业大学 2017
硕士论文
[1]基于深度迁移学习的烟雾图像检测[D]. 韩超慧.武汉纺织大学 2019
[2]基于可见光与红外航拍图像的输电线路绝缘子多故障检测研究[D]. 王畇浩.电子科技大学 2019
[3]基于深度迁移学习的赖氨酸乙酰化位点预测问题的研究[D]. 李佳根.东北师范大学 2019
[4]航拍图像中绝缘子定位与状态检测研究[D]. 刘宁.华北电力大学 2016
本文编号：3712155
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3712155.html
最近更新
教材专著
