| 【中文题名】 | 局部放电灰度图像模式识别与分形压缩方法应用研究 |
| 【英文题名】 | The Research of PD Pattern Auto-recognition and Fractal and Image Compression |
| 【学科专业】 | 电气工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-9-27 |
| 【中关键词】 | 局部放电,模式识别,特征提取,分形图像压缩,, |
| 【英关键词】 | Partial discharge,pattern recognition,feature extraction,fractal image compression, |
| 【分类导航】 | 工业技术>电工技术>高电压技术>高电压绝缘技术>绝缘的试验与检查> |
| 【论文摘要】 |
绝缘内部局部放电被广泛认为是导致电气设备绝缘劣化的重要因素，与高电压电气设备运行的安全性和可靠性具有密切联系。局部放电在线监测系统中的放电类型自动识别，能够及时发现绝缘内部局部缺陷及放电发展程度，防止事故发生。针对局部放电模式自动识别的需要，作者系统地研究了局部放电灰度图像自动识别中的基本理论和实现方法：
(1)根据变压器局部放电在线监测的要求，设计了放电模型和实验方法，并通过模型实验获得了大量放电样本数据，为构造局部放电灰度图像和采用BPNN进行识别作好准备；
(2)研究了局部放电灰度图像的构造方法以及降维构造32×32灰度和矩阵的方法；在用人工神经网络对局部放电进行模式识别时，分析了BP网络的优缺点，对典型BP网络的结构和学习训练算法提出了改进，采用带有偏差单元的递归神经网络作为模式分类器；采用32×32灰度和矩阵进行BPNN识别结果表明这种方法是有效的。
(3)研究了局部放电灰度图像的四叉树分形图像压缩方法，通过仿真实验证明采用本文算法能够获得一定的图像压缩比，在局部放电灰度图像压缩应用中显示了良好的压缩效果，进一步研究了局部放电解码图像的识别结果与原始... |
| 【论文题纲】 |
|
中文摘要 |
4-5 |
|
英文摘要 |
5-9 |
|
1 绪论 |
9-16 |
|
1．1 电气设备局部放电监测的重要意义 |
9 |
|
1．2 局部放电检测的主要方法及发展趋势 |
9-12 |
|
1．3 人工神经网络在局部放电模式识别中的应用 |
12-13 |
|
1．4 局部放电灰度图像压缩技术研究 |
13-14 |
|
1．5 论文完成的目标 |
14-16 |
|
2 局部放电模型实验及样本采集 |
16-22 |
|
2．1 放电模型制作 |
16-17 |
|
2．2 局放模拟实验装置 |
17-19 |
|
2．2．1 实验回路及局放信号采集装置 |
17-18 |
|
2．2．2 局部放电量的校正 |
18-19 |
|
2．3 实验方法及过程 |
19-20 |
|
2．3．1 实验方法 |
19 |
|
2．3．2 采样程序 |
19-20 |
|
2．3．3 实验数据记录 |
20 |
|
2．4 小结 |
20-22 |
|
3 局部放电图像的BPNN识别方法 |
22-35 |
|
3．1 多层前向神经网络及BP算法 |
22-25 |
|
3．1．1 误差反传训练算法（BP算法）描述 |
22-24 |
|
3．1．2 BP算法的优缺点及其改进算法 |
24-25 |
|
3．2 局部放电Hn（q，Φ）图像构造方法 |
25-26 |
|
3．3 网络结构参数选择 |
26-27 |
|
3．4 神经网络的训练及识别结果 |
27-28 |
|
3．4．1 神经网络的训练 |
27-28 |
|
3．4．2 识别结果 |
28 |
|
3．5 小结 |
28-35 |
|
4 局部放电图像的分形压缩 |
35-53 |
|
4．1 图像质量的判别 |
35-36 |
|
4．2 分形静态图像压缩的基本原理 |
36-41 |
|
4．2．1 R~2空间迭代函数系统理论基本原理 |
36-39 |
|
4．2．2 分形静态图像压缩编码的基本方法 |
39-41 |
|
4．3 自适应四叉树分形压缩编码方法 |
41-45 |
|
4．3．1 图像的四叉树分割 |
42-43 |
|
4．3．2 父块的分类方法 |
43-44 |
|
4．3．3 四叉树分形编码算法 |
44 |
|
4．3．4 仿真实验 |
44-45 |
|
4．4 局部放电图像压缩效果分析 |
45-46 |
|
4．5 小结 |
46-53 |
|
5 局部放电解码图像的识别效果分析 |
53-58 |
|
5．1 局部放电解码图像识别结果 |
53-54 |
|
5．2 局部放电模式远程自动识别方案 |
54-56 |
|
5．3 本章小结 |
56-58 |
|
6 结论 |
58-60 |
|
致谢 |
60-61 |
|
参考文献 |
61-63 |
|
| 【DOI】 | LunWen.ID:2.2008.143954 |
