[发明专利]一种基于Meanshift自适应电气设备故障检测方法

说明书

本发明涉及一种基于Meanshift自适应电气设备故障检测方法，步骤1，获得故障电气设备的红外图像，其中电力故障区域即为红外图像中亮度较高的区域；步骤2，引入基于邻域灰度的权重因子对均值漂移算法进行扩展，获得扩展后的均值漂移模型；步骤3，利用自高向低的聚类阈值分割机制，使扩展后的均值漂移模型能快速地将故障区域进行聚类，实现故障区域的有效提取。本发明提供了一种赋予样本权重的扩展mean shift方法，采用一种自迭代聚类的策略，将区域根据其灰度特性聚集起来，最终得到故障区域完整提取，并提出了一种根据温度差异而自高向低的阈值分割机制，为运维人员在线巡检、数据录入、分析等操作提供方便。

技术领域

本发明属于电气领域，具体涉及一种基于Meanshift自适应电气设备故障检测方法。

背景技术

电力设备的运行状态监测是预防设备发生故障的一种有效手段。在现有的一些方法中，红外诊断技术作为目前一种新型的故障诊断技术，已经在电力巡检中发挥了重要的作用。其主要利用物体发射出来的红外辐射特性，判断设备内部结构是否出现故障，从而为开展其他工作提供方便。在红外故障诊断中，电气故障区域大都通常会呈现出高温、高热特性。根据红外辐射能量的强弱与温度大小成比例关系可知，温度越高，其红外辐射强度越大，即在红外成像中故障或异常区域体现为高亮度。因此，采用红外诊断技术，相比于其他方法，具有多方面的应用优势。然而，目前在红外诊断过程中，故障的发现、录入还是主要依赖于运维人员，这使得设备红外检测需要投入大量的时间，存在效率低、易漏检以及管理成本相对高等缺点。因此，研究能够较为高效的提取红外图像中故障区域的自动红外故障诊断方法非常必要。

为了实现自动红外故障诊断，结合图像处理的方式受到了研究者的广泛关注。在早期，故障判断通常采用经典的温度判定法^[1]，这本质上与图像处理中的阈值法类似^[2-3]，即高于某一阈值时被认为设备存在故障，而低于某一阈值则被认为正常。因不同地区温度差异影响，在实际环境中，获取故障区域的完整性得不到很好的保障，特别是受人为设定温度阈值的因素影响较大。为此，井金剑^[3]采用最大类间方差(Otsu)阈值法，选择最优阈值将故障区域从背景中分割出来。但是，由于该方法得到的阈值受故障区域和背景区域方差影响，通常故障区域方差相对较大，而高亮的故障区域则相对较小。梁利利^[4]在此基础上结合形态学和Krisch算子对红外图像中故障区域进行提取，以弥补受阈值的影响，然而Krisch算子是一种边缘检测算子，这种算子在图像噪声弱的情况下，效果较好，但是红外图像本身含有复杂的噪声，显然会因噪声而降低完整故障区域提取能力。王如意^[5]则采用分水岭分割算法和模糊聚类方法一起对红外图像进行分割。由于分水岭方法是根据区域的边界来分离图像中相邻但不相似的区域，其不足之处在于，当故障区域的灰度分布不均匀时，容易将故障区域分割成多个区域。为了提升故障区域提取效果，徐雪涛^[6]提出改进PCNN(Pulse-coupled neural network)模型的图像分割方法提取红外图像中故障区域，但仍因PCNN内部参数设置以及红外故障图像的差异，使得模型的推广受到了限制。以上模型在对红外故障图像进行处理时，受到参数及阈值设置等方面的影像，使得分割后的图像不能完全提取出电力故障区域，从而疏漏对故障系统的检测和维护，由此引发电气系统事故，造成电气设备损坏和人员伤亡。

相关参考文献如下：

[1]成曙,赵军红,刘政波,陈祥初.电气设备运行状态监测及智能诊断系统[J].电力自动化设备,2000,20(3):45-47.

[2]孙怡,吴邦树,刘仪卜,杜永成等.基于红外图像处理的电气设备故障诊断方法[J].机电工程技术,2016,45(6):58-61.

[3]井金剑,翟春艳,李书臣,苏成利.基于红外图像识别的电气设备故障诊断[J].电子设计工程,2014,22(12):171-173.

[4]梁利利.变电站红外图像的识别与故障诊断[D].西安科技大学,2010.