原文传递
基于深度学习的接触网设备故障算法研究
| 论文题名： | 基于深度学习的接触网设备故障算法研究 |
| 关键词： | 接触网设备;故障诊断;闪络监测;深度学习 |
| 摘要： | 近年来随着我国电气化铁路行业飞速发展，对铁路供电的可靠性及其安全性要求也越来越高。绝缘子是接触网设备上用于实现电气绝缘和机械固定的主要部件。在复杂自然因素和周围环境影响下，绝缘子闪络故障时有发生，如果在故障发生后能够对发生闪络的绝缘子快速定位，有利于工作人员及时抢修故障，节省大量人力和时间成本。同时，一旦绝缘子出现破损，将会增加电网的不安全性，影响电力系统供电，因此监测绝缘子状态，及时发现破损绝缘子，对供电系统的正常运行至关重要。 本文的主要工作包括如下几个方面: (1)基于Unet+++提出了A-Unet+++算法。为提升Unet+++算法的特征提取能力，在Unet+++的编码器与解码器的跳跃连接阶段引入空洞卷积，保留图像空间特征的同时也不会损失图像信息，得到了更大感受野，进一步优化了网络的不同尺度的特征融合问题。 (2)在绝缘子闪络故障监测项目中，针对闪络发生即会有亮光出现的特性，整个实验分为亮光提取和位置比对两个步骤。在亮光提取阶段，针对现有的亮光提取数据集样本数量不足的问题，采用随机裁剪、随机翻转等方法进行图像扩充，共生成1800张图像;使用PS工具生成亮光图像的标签图像;使用Liteseg、Unet、Unet++、Unet+++和A-Unet+++系列模型做亮光提取的对比实验，测试结果表明，比起Unet+++网络，改进后的算法A-Unet+++的Iou值提高了10.18％，速度降低了0.13s/帧，证实了A-Unet+++在闪络故障识别应用中的可行性和实用性。在位置比对阶段，采用远景绝缘子现场数据为数据集，用LabelImg工具做标注，通过对图像中的绝缘子位置与亮光位置做位置比对，设立阈值为80％，若绝缘子位置上亮光位置占80％以上，则认为该亮光属于闪络，该绝缘子发生了闪络故障，输出该绝缘子位置。最终基于深度学习的图像分割算法实现了绝缘子闪络故障监测的识别和定位。 (3)在绝缘子破损检测项目中，以近景绝缘子现场图像作数据集，针对数据规模太小的问题，采用随机旋转、平移变换方法实现数据扩充，增强数据集多样性和完备性的同时，提升模型泛化能力，之后标注所有图像生成标签图像。最后，使用Yolov5s、SSD和Faster-RCNN三个经典目标检测算法进行破损检测实验。通过对比测试结果可知，Yolov5s网络在绝缘子状态检测应用中性能更佳。 |
| 作者： | 窦婧 |
| 专业： | 应用统计 |
| 导师： | 冶继民;林焕凯 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
