共 27 条
- [1] Fault diagnosis of wind turbine bearing based on stochastic subspace identification and multi-kernel support vector machine[J]. Hongshan ZHAO,Yufeng GAO,Huihai LIU,Lang LI.Journal of Modern Power Systems and Clean Energy. 2019(02)
基于径向基概率神经网络的输电导线缺陷状态识别
被引：35
作者：
黄新波
[1
]
章小玲
[1
]
张烨
[1
]
杨璐雅
[1
]
刘成
[1
]
李文静
[2
]
机构：
[1] 西安工程大学电子信息学院
[2] 重庆水利电力职业技术学院智能制造学院
来源：
关键词：
输电导线;
加权色差法;
图像分割;
纹理特征提取;
径向基概率神经网络;
D O I：
暂无
中图分类号：
TM75 [线路及杆塔];
学科分类号：
摘要：
输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。
引用
收藏
页码：201 / 210
页数：10
相关论文