摘要
变电站设备在长期运行过程中会出现各种故障，其中热故障是比较常见的一种。双光成像技术具有非接触、高精度、高灵敏度等优点，在变电站设备热故障诊断方面具有潜在的应用前景，但在实际应用中仍然存在一些问题。由于角度不同和背景十分复杂影响，图像配准的精度和速度的效果不理想。在图像融合方面，如何减少噪声和去除伪影且获得一张高质量的图像是一个挑战。在热区域分割方面，受环境温度、天气等因素的影响，难以准确地分割出热图像中的热区域。在定位方面，如何精确定位设备的热故障区域仍然是一个难题。因此，本文旨在研究双光成像技术在变电站设备热故障检测中的关键技术，探索解决这些问题的有效方法。 首先，针对双光成像在实际应用中出现的图像配准问题，本文提出一种基于轮廓局部图结构一致性的配准算法。该算法首先利用改进的曲率尺度空间算法提取图像轮廓的局部特征。然后，利用局部图结构一致性实现特征的初步匹配。最后，所提算法利用一种全局筛选约束策略，用于对已剔除的匹配点对进行优化与细匹配，进一步提高匹配精度。实验结果表明，本文算法能较好地处理红外与可见光图像的非刚性问题，同时兼顾了配准的精度以及速度。对采集红外与可见光图像配准的准确率均为 100%，运行速度最快达到 5.764s ，比尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)算法以及改进的加速版的具有鲁棒特性的特征 (Speed-up Robust Feature, SURF)算法性能更优。 然后，为了获取更高质量的融合图像，提出一种基于双边滤波残差结构张量的红外与可见光图像融合算法。所提算法将双边滤波和最小二乘法结合，对红外与可见光图像进行二次分解，得到基础层和多层细节层。接着，利用残差网络 ResNet50 对基础层进行加权融合，同时采用结构张量模型的自适应加权策略处理细节层。通过对 TNO 数据集(TNO Image Fusion Dataset)以及变电站设备数据集进行实验，本文算法提供的两种组合方式，能满足在红外与可见光图像融合工程应用上的不同需求，比其他算法具有一定的优势。 最后，为解决双光成像技术在变电站设备热区域故障诊断中的应用问题，提出一种全新的智能诊断算法。该算法采用K-Means聚类算法对红外图像进行分割，并运用数学形态学方法精确分割热区域灰度图像，以定位热故障区域。已进行的实验表明，热故障定位算法能兼具错误率和重合率。当错误率为1.75%时，本文提出的热故障定位算法重合率仍能保持97.47%。然后，基于Qt软件框架，本文研究开发了一个热故障区域智能诊断系统，并部署了配准技术和融合算法。最后，将本文开发的智能诊断系统在变电站完成设备工程应用的测试。
NETL