局部放電灰度圖像模式識別與分形壓縮方法應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、絕緣內(nèi)部局部放電被廣泛認(rèn)為是導(dǎo)致電氣設(shè)備絕緣劣化的重要因素,與高電壓電氣設(shè)備運行的安全性和可靠性具有密切聯(lián)系。局部放電在線監(jiān)測系統(tǒng)中的放電類型自動識別,能夠及時發(fā)現(xiàn)絕緣內(nèi)部局部缺陷及放電發(fā)展程度,防止事故發(fā)生。針對局部放電模式自動識別的需要,作者系統(tǒng)地研究了局部放電灰度圖像自動識別中的基本理論和實現(xiàn)方法: (1)根據(jù)變壓器局部放電在線監(jiān)測的要求,設(shè)計了放電模型和實驗方法,并通過模型實驗獲得了大量放電樣本數(shù)據(jù),為構(gòu)造局部放電灰度圖

2、像和采用BPNN進(jìn)行識別作好準(zhǔn)備; (2)研究了局部放電灰度圖像的構(gòu)造方法以及降維構(gòu)造32×32灰度和矩陣的方法;在用人工神經(jīng)網(wǎng)絡(luò)對局部放電進(jìn)行模式識別時,分析了BP網(wǎng)絡(luò)的優(yōu)缺點,對典型BP網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)訓(xùn)練算法提出了改進(jìn),采用帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)作為模式分類器;采用32×32灰度和矩陣進(jìn)行BPNN識別結(jié)果表明這種方法是有效的。 (3)研究了局部放電灰度圖像的四叉樹分形圖像壓縮方法,通過仿真實驗證明采用本文算法能

3、夠獲得一定的圖像壓縮比,在局部放電灰度圖像壓縮應(yīng)用中顯示了良好的壓縮效果,進(jìn)一步研究了局部放電解碼圖像的識別結(jié)果與原始圖像之結(jié)果的差異程度,研究結(jié)果初步表明該方法應(yīng)用于局部放電模式自動識別系統(tǒng)中是有效的; (4)研究了基于局部放電解碼圖像的BPNN識別方法及,通過分析對解碼圖像的識別效果,驗證了設(shè)計的系統(tǒng)模式識別方案的有效性,同時表明該方案能夠滿足實地局部放電模式自動識別和遠(yuǎn)程數(shù)據(jù)通訊及自動識別的需要。 以上研究表明,提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論