-
题名水力发电站智能巡检机械设备缺陷自动识别方法
被引量：2
- 1
-
-
作者
田云
赵娅
叶波
蒋勤伟
-
机构
国家电投集团贵州金元遵义水电开发有限公司
国家电投集团贵州金元股份有限公司
-
出处
《自动化与仪表》
2023年第12期70-73,84,共5页
-
文摘
为了快速识别水力发电站的智能巡检机械设备的缺陷,提高水电站的安全性,提出水力发电站智能巡检机械设备缺陷自动识别方法。利用非下采样小波变换方法对智能巡检机械设备产生的信号展开去噪处理,采用EMD方法分解机械设备信号并对其展开自适应分析,提取信号特征值,在多维高斯贝叶斯原理的基础上,根据信号特征判断机械设备的状态,实现智能巡检机械设备的缺陷检测。实验结果表明,所提方法在去噪过程中的均方误差始终未超过0.97 dB2,缺陷识别时间低于3 s,ROC曲线面积大,缺陷识别信号的幅值与实际信号波动基本一致,具有良好的缺陷识别能力。
-
关键词
水力发电站
智能巡检机械设备
设备缺陷识别
小波变换
EMD方法
多维高斯贝叶斯原理
-
Keywords
hydroelectric power stations
intelligent inspection mechanical equipment
equipment defect identification
wavelet transform
empirical mode decomposition(EMD)method
multidimensional Gaussian Bayesian principle
-
分类号
TP23
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名改进深度学习优化电力设备缺陷图像识别
被引量：6
- 2
-
-
作者
于彦良
李静力
王斌
-
机构
河北轨道运输职业技术学院
华北理工大学矿业工程学院
-
出处
《机械设计与制造》
北大核心
2021年第7期176-178,183,共4页
-
基金
河北省人社厅课题(JRS-2018-8026),2019年度河北省社科研究课题(2019030401110)。
-
文摘
红外图像特征对具有发热特征的电力特设缺陷具有较好的表达能力,随着电力企业设备红外图像的积累,传统检测方法遇到效率和准确率瓶颈,为此,提出了基于改进Faster RCNN的缺陷识别算法,算法通过模型中RPN网络卷积核的优化,减少RPN网络的计算量,通过多分辨率特征融合提高网络对缺陷特征语义信息和细节定位信息的应用,最后通过自适应训练数据抽样提高正负训练样本抽取的有效性,从而提高算法缺陷识别准确率。实测数据实验表明,改进模型的目标函数可以在较少的迭代次数下实现稳定实收,在准确率、召回率和运行时间等评价指标上优于传统Faster RCNN模型、SIFT算子模型等已有模型,从而验证了算法的有效性和对不同背景干扰的有效性。
-
关键词
电力设备缺陷识别
深度学习网络
改进Faster
RCNN模型
多分辨率特征融合
-
Keywords
Power equipment defect identification
Deep Learning Network
Improve the Faster RCNN Model
Multi-Resolution Feature Fusion
-
分类号
TH16
[机械工程—机械制造及自动化]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
