紫外放电状态识别与故障预测方法PDF电子书下载

1电气设备局部放电监测与故障诊断技术的发展现状 1

1.1 电气设备局部放电监测与故障诊断技术研究背景及意义 1

1.2 电气设备故障诊断国内外发展概况 2

1.2.1 国外故障诊断技术发展概况 3

1.2.2 国内故障诊断技术发展概况 3

1.3 电气设备检修体制的演变 3

1.3.1 电气设备定期维修 3

1.3.2 电气设备在线监测 4

1.4 电晕放电的在线监测 5

1.4.1 人工目视检查法 5

1.4.2 红外检测法 5

1.4.3 超声波检测法 6

1.4.4 超高频检测法 7

1.4.5 脉冲电流检测法 8

1.4.6 介质损耗分析（DLA）检测法 8

1.4.7 化学检测法 8

1.5 紫外线检测法 9

1.6 紫外放电检测的应用范围 11

1.7 高压放电各种检测方法的优劣比较 11

2超声波检测法在电气设备局部放电故障定位方面的研究 13

2.1 超声波定位数学模型——声检测方法 13

2.1.1 数学模型的建立 13

2.1.2 转为有约束优化问题 13

2.1.3 实验前期数据来源 14

2.2 传统定位优化算法 14

2.2.1 修正牛顿算法 14

2.2.2 最速下降算法 16

2.2.3 共轭梯度算法 18

2.2.4 变尺度算法 20

2.2.5 自适应算法 22

2.3 传统定位算法之间的比较 25

2.4 现代智能定位优化算法 26

2.4.1 模拟退火算法 26

2.4.2 遗传算法 28

2.4.3 粒子群算法 29

2.4.4 文化粒子群算法 31

2.5 几种现代智能定位算法的比较和总结 33

3电晕检测方法与日盲紫外原理 36

3.1 电晕放电及其检测 36

3.2 气体电介质的击穿 37

3.2.1 汤逊理论 37

3.2.2 流注放电理论 38

3.3 电晕放电的机理及其一般特征 39

3.4 紫外成像分析 41

3.4.1 电磁波谱 41

3.4.2 紫外成像原理 42

3.5 日盲紫外检测方法 45

3.5.1 紫外脉冲检测 45

3.5.2 紫外图像检测 45

3.6 双通道紫外检测系统 46

3.6.1 双通道检测系统的结构与原理 46

3.6.2 双通道结构的弊端 46

3.7 单通道紫外检测系统 47

3.7.1 单通道检测系统的结构与原理 47

3.7.2 单通道结构与双通道的比较 48

4高压电器紫外脉冲检测系统设计 49

4.1 检测管及驱动检测电路部分 49

4.1.1 紫外检测管R9454的简介 49

4.1.2 驱动电路C 10807的简介 52

4.2 处理器开发板的硬件和软件设计部分 53

4.2.1 处理器开发板的硬件设计 53

4.2.2 处理器开发板的软件设计 57

4.3 显示终端设计 58

4.3.1 工业串口触摸屏简介 58

4.3.2 GSM模块TC35i 59

4.3.3 无线传输模块简介及上位机Labview的设计 60

4.4 检测仪器外部结构的设计 63

4.4.1 SolidWorks简介 63

4.4.2 变压器、输电线路监测仪的设计 65

4.4.3 开关柜监测仪的设计 65

4.4.4 监测仪器的材料选择 67

4.5 检测仪器系统的软件设计 67

4.5.1 虚拟仪器的概述 68

4.5.2 软件系统的设计 69

4.6 系统集成及实验效果 73

5单通道双谱紫外电晕检测系统设计 75

5.1 系统的总体设计 75

5.1.1 硬件架构设计 75

5.1.2 功能描述与关键技术 75

5.2 滤光成像原理与方法 76

5.2.1 静态切换成像法 76

5.2.2 动态切换成像法 77

5.3 图像传输及视频采集模块的实现 78

5.3.1 系统的图像传输与视频采集 78

5.3.2 基于DirectShow的视频采集 80

5.3.3 基于DSPack组件的视频采集方案 81

6双通道紫外电晕检测系统设计 82

6.1 双通道电晕紫外检测系统综述 82

6.2 双通道电晕紫外检测系统设计 82

6.2.1 硬件结构设计 82

6.2.2 系统功能描述 83

6.2.3 系统各部分描述 83

7电晕放电的图像处理 85

7.1 系统的图像处理流程 85

7.2 紫外图像的预处理 86

7.2.1 RGB色彩空间 86

7.2.2 灰度处理 90

7.2.3 二值化处理 92

7.3 图像去噪与放电区域提取 94

7.3.1 图像的数学形态学处理 94

7.3.2 紫外电晕图像的形态学处理 97

7.3.3 图像融合 100

7.3.4 单通道检测系统的图像融合 101

7.3.5 双通道电晕图像和背景图像融合 102

8电晕放电及检测系统实验平台 113

8.1 紫外光电管 113

8.1.1 紫外光电管的特点 113

8.1.2 紫外传感器驱动电路 115

8.2 电晕放电模型 116

8.3 检测系统实验现象 117

9电晕放电强度测量及系统成像实验 120

9.1 电晕放电的强度测量 120

9.1.1 放电强度公式的推导 120

9.1.2 放电强度公式的验证 121

9.1.3 放电强度计算实验 123

9.2 成像实验与讨论 124

9.2.1 硬件设计 124

9.2.2 光路切换电路的设计 125

9.2.3 成像软件算法设计 125

9.2.4 实验结果及分析 126

9.2.5 关于静态切换法实验的讨论 128

10基于人工神经网络的故障状态识别 130

10.1 人工神经网络 130

10.1.1 人工神经基本概念 130

10.1.2 人工神经网络的特点 131

10.2 故障状态模式模型 131

10.2.1 模式识别 131

10.2.2 实验室模拟电晕放电 132

10.2.3 特征提取 134

10.3 基于BP神经网络的状态识别 135

10.3.1 BP神经网络概述 135

10.3.2 仿真结果 137

10.4 基于径向基神经网络的状态识别 138

10.4.1 径向基神经网络的基本概念 138

10.4.2 仿真结果 139

10.5 基于投影寻踪理论的模式识别 139

10.5.1 电晕放电量化分级方法 139

10.5.2 基于投影寻踪理论的模式识别等级模型 140

10.5.3 应用MATLAB进行故障诊断仿真及实例分析 141

10.6 基于自组织神经网络的绝缘故障状态评定 143

10.6.1 输入变量的选择与样本处理 143

10.6.2 自组织映射网 144

10.6.3 动态神经元个数的SOFM绝缘故障评估系统 145

10.6.4 LVQ神经网络 148

10.6.5 LVQ算法仿真实现 149

10.7 基于PSO-SVM的电晕放电评级算法 151

10.7.1 支持向量机评级算法 151

10.7.2 基于PSO改进的SVM评级方法 152

10.7.3 建立模型及仿真实验 153

10.8 本章小结 155

参考文献 156