一種基于紅外熱像圖的電纜接頭運行狀態識別方法技術

本發明專利技術涉及一種機器學習領域中的狀態識別方法，特別是涉及一種基于紅外熱像圖的電纜接頭運行狀態識別方法，本發明專利技術的ELM識別方法能夠隨機產生隱層結點參數，然后利用得到的權值來決定輸出，大大簡化了傳統BP神經網絡復雜的迭代過程，且識別準確率高，很好的滿足了電纜檢測領域對準確率和速度的雙重要求。

Method for identifying running state of cable joint based on infrared thermal image

The invention relates to a machine learning in the field of state recognition method, particularly relates to a method of state recognition of cable joint operation of infrared thermography based on ELM identification method of the invention can generate random parameters of hidden layer nodes, and then use the weights to determine the output, which greatly simplifies the complex iterative process of traditional BP neural network, and high recognition accuracy, good to meet the dual requirements of cable detection accuracy and speed.

【技術實現步驟摘要】
一種基于紅外熱像圖的電纜接頭運行狀態識別方法
本專利技術涉及一種機器學習領域中的狀態識別方法，特別是涉及一種基于紅外熱像圖的電纜接頭運行狀態識別方法。
技術介紹
電纜接頭是電網安全運行中的薄弱環節之一，從電纜接頭過熱到火災事故的發生，整個過程發展速度緩慢、時間較長，如2016年6月18日，西安變電站爆炸事故，以及2016年10月13日，日本東京大規模停電事故等，都是由于電纜溫度過高，起火導致。電網的安全運行，不僅與人們的日常生活息息相關，也嚴重影響著一個國家的社會經濟活動，因此電纜故障的早期預防和維護是十分重要的。然而目前，大多數電纜的診斷是靠巡邏工人定期巡查，出具巡查報告然后再經過專家評估，評估檢測只能由有經驗的人員負責，否則，結果經常被錯誤診斷，這種方法是相當費時而且費用昂貴。實際操作中，由于電纜巡檢需要大量的人力檢查，大部分電力公司通常將這些人力檢查工作指派給外部承包商，外部承包商提交檢查報告后，電力公司再一個接一個地評估其有效性，之間有經驗的人員需采用大量時間完成復雜的評價工作，最后決定是否維修。為了克服這些限制，保證電力生產安全高效運行，對電纜狀態檢修提出了更高的要求，其中紅外成像技術在電纜運行狀態檢測中有著明顯的優越性。紅外成像是以熱狀態分布為依據對電纜運行狀態良好與否進行診斷，它具有不停運、不接觸、遠距離、快速、直觀地進行成像。由于電纜的熱像圖是運行狀態下熱狀態及其溫度分布的真實描寫，而電纜在運行狀態下的熱分布正常與否是判斷狀態良好與否的一個重要特征，因而采用紅外成像技術可以通過對電纜熱像圖的分析來診斷運行狀態及其隱患缺陷。將圖像處理技術、模式識別技術與紅外熱成像技術相結合，并在電纜巡檢中應用，對于提高電氣設備的可靠性和運行經濟效益、降低維修成本具有非常重要的意義。近年來，紅外圖像識別研究領域發展很快。結合模式識別的思路，利用一些能代表感興趣部分圖像的特征數據來訓練模型，這些被訓練好的模型可以對要處理的圖像歸入事先設置好的類別當中。目前，基于機器學習的圖像分類方法應用最為廣泛，總體上來說，它是利用己經得到的一些圖像來提取出最能代表它們的特征數據，這些數據根據一定的模式訓練出一些常用數學模型的關鍵參數，于是這些數學模型就能根據經過處理的未知圖像信息做出判斷，歸類到預先設置的類別當中。這種模式識別的圖像分類方法有兩個關鍵因素，一個關鍵因素是合適圖像特征的構建，好壞的衡量指標有兩個：一是這個特征小且能準確的描述這個圖像所包含的信息，尤其是感興趣的信息，并且必須是只有關注的目標有，其他背景信息沒有；二是這個特征有很好的區分性，特征數據在空間上有一定的聚類分布，這樣有利于區分。其中圖像處理的關鍵是將其轉換成灰度圖像進行處理，這樣灰度方面的很多算法可以得到運用。另一個關鍵的因素就是學習器模型的選取，現在比較廣泛的方法有BP神經網絡算法和支持向量機算法，一些文獻用BP進行生物識別圖像分類，但BP神經網絡參數多，訓練速度慢，而且要求大量數據。ExtremeLearningMachine(ELM)方法能夠隨機產生隱層結點參數，然后利用得到的權值來決定輸出，大大簡化了傳統BP神經網絡復雜的迭代過程，克服了紅外圖像因數據量大導致傳統人工神經網絡、支持向量機的運行速度慢的局限，很好的滿足了電纜檢測領域對準確率和速度的雙重要求。
技術實現思路
為了克服現有識別方法的不足，減少需要設置的學習器參數，并提高識別準確率，本專利技術提供了一種基于紅外熱像圖的電纜接頭運行狀態識別方法，包括訓練階段和識別階段。在訓練階段，首先提取不同運行狀態下電纜接頭紅外熱像圖的像素矩陣，并帶入ELM學習器進行訓練；在識別階段，用已經訓練好的ELM學習器對待測試的電纜接頭紅外熱像圖進行識別，并得到識別結果。本專利技術的基于紅外熱像圖的電纜接頭運行狀態識別方法，包括以下步驟：步驟一：輸入不同運行狀態下電纜接頭的紅外熱像圖；步驟二：對不同運行狀態下電纜接頭的紅外熱像圖進行位平面分解；步驟三：建立初始特征矩陣，提取紅外熱像圖各位平面的特征參數（Hu矩和Zernike矩），將提取到的特征參數帶入到特征矩陣中；步驟四：對不同運行狀態下電纜接頭的紅外熱像圖特征參數進行ELM學習器訓練；步驟五：將采集的電纜接頭紅外熱像圖輸入已訓練好的狀態識別模型，并獲得相應的電纜接頭運行狀態結果，即運行狀態正常或不正常。作為優選的方案：為了減少紅外熱像圖離散所帶來的誤差，在上述步驟三中，對提取的Zernike矩進行歸一化處理。上述步驟二中，對紅外熱像圖進行位平面分解時，首先將紅外熱像圖灰度化，將輸入的不同運行狀態下電纜接頭的紅外熱像圖轉變成為像素為320*240的灰度圖，然后再進行位平面分解。本專利技術的電纜接頭運行狀態識別方法能夠隨機產生隱層結點參數，然后利用得到的權值來決定輸出，大大簡化了傳統BP神經網絡復雜的迭代過程，且識別準確率高，很好的滿足了電纜檢測領域對準確率和速度的雙重要求。附圖說明圖1為本專利技術的流程圖。圖2為本專利技術實施例其中一張紅外熱像圖分解后的8個位平面圖。圖中，1原始圖像，2第1個位平面，3第2個位平面，4第3個位平面，5第4個位平面，6第5個位平面,7第6個位平面，8第7個位平面，9第8個位平面。具體實施方式為使本專利技術實施例的目的、技術方案和優點更加清楚，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。本專利技術實施例的基于紅外熱像圖的電纜接頭運行狀態識別方法，包括以下步驟：步驟一：輸入不同運行狀態下電纜接頭的紅外熱像圖。步驟二：對不同運行狀態下電纜接頭的紅外熱像圖進行位平面分解。以下以輸入的不同運行狀態下電纜接頭的紅外熱像圖其中一張為例說明過程：首先，通過灰度化，將紅外熱像圖轉變成為像素為320*240的灰度圖，將此灰度圖記為，對灰度圖進行位平面分解，可以得到個位平面，以其中一張紅外熱像圖為例，本實施例設置為8，如附圖2給出了該圖的8個位平面圖。每個像素在每一個位平面對應0或1兩個值。第個位平面()中第行第個像素對應位，如公式（1）所示（1）單個灰度圖像素值可由各位平面像素表示，如公式（2）所示（2）步驟三：提取紅外熱像圖各位平面的特征參數，分為以下幾步：1、建立初始特征矩陣A（3）式中，為訓練樣本數，本專利技術設置為100；為初始特征維數，本專利技術設置為16，即8個位平面，每個位平面提取兩個特征參數，兩個特征參數分別為Hu矩和Zernike矩。各元素的初始值為0。2、計算Hu中心矩對于二維離散圖像，即各位平面圖，計算Hu矩如公式(4)所示：(4)圖像的零階矩體現圖像目標像素的總和，物體的質量或面積只有一個，根據公式(4)，圖像的零階矩為式(5)：(5)圖像的一階矩能夠計算目標的質心，包括，，目標質心如式(6)所示：(6)中心矩通過目標質心作為原點分析，具有位置無關性，位平面圖的中心矩為：(7)歸一化的中心矩為：(8)其中，。公式（8）即為所求位平面圖的歸一化Hu中心矩。（3）計算Zernike矩各位平面圖的p階q重的Zernike矩為：(9)其中，是的共軛。(本文檔來自技高網...

【技術保護點】
一種基于紅外熱像圖的電纜接頭運行狀態識別方法，其特征在于：包括如下步驟：步驟一：輸入不同運行狀態下電纜接頭的紅外熱像圖；步驟二：對輸入的不同運行狀態下電纜接頭的紅外熱像圖進行位平面分解；步驟三：建立初始特征矩陣，提取紅外熱像圖各位平面的特征參數（Hu矩和Zernike矩），將提取到的特征參數帶入到特征矩陣中；步驟四：對不同運行狀態下電纜接頭的紅外熱像圖特征參數進行ELM學習器訓練；步驟五：將采集的電纜接頭紅外熱像圖輸入已訓練好的狀態識別模型，并獲得相應的電纜接頭運行狀態結果，即運行狀態正常或不正常。

【技術特征摘要】
1.一種基于紅外熱像圖的電纜接頭運行狀態識別方法，其特征在于：包括如下步驟：步驟一：輸入不同運行狀態下電纜接頭的紅外熱像圖；步驟二：對輸入的不同運行狀態下電纜接頭的紅外熱像圖進行位平面分解；步驟三：建立初始特征矩陣，提取紅外熱像圖各位平面的特征參數（Hu矩和Zernike矩），將提取到的特征參數帶入到特征矩陣中；步驟四：對不同運行狀態下電纜接頭的紅外熱像圖特征參數進行ELM學習器訓練；步驟五：將采集的電纜接頭紅外...

【專利技術屬性】
技術研發人員：宋來森，許永盛，班偉龍，王居波，杜文祥，
申請(專利權)人：國網山東省電力公司菏澤供電公司，國家電網公司，
類型：發明
國別省市：山東,37