[發明專利]一種基于圖像識別的油浸式套管老化狀態評估方法

有效

• 申請號: 201910347131.X
• 申請日: 2019-04-27
• 公開（公告）號: CN110045248B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 廖維;周利軍;李會澤;張傳輝;王安;胡軍杰
• 申請（專利權）人: 西南交通大學
• 主分類號: G01R31/12
• 分類號: G01R31/12;G01R31/62;G06N3/08
• 代理公司: 成都盈信專利代理事務所(普通合伙) 51245
• 代理人: 崔建中

1.一種基于圖像識別的油浸式套管老化狀態評估方法，其特征在于，包括以下步驟：

第一步：搭建實驗平臺

搭建油浸式套管試樣熱像圖實驗平臺，主要由電流源(1)、導電桿上部(2)、導電桿下部(3)、油浸式套管試樣(4)、絕緣油箱(5)、絕緣油(6)、PTC恒溫加熱板(7)、電壓源(8)、第一溫度傳感器(9a)、第二溫度傳感器(9b)、溫度采集裝置(10)、紅外熱成像儀(11)、熱像圖采集裝置(12)、PC電腦(13)、電攪拌器(14)組成，絕緣油箱(5)內裝有絕緣油(6)，絕緣油(6)液面高度位于絕緣油箱(5)上部7/8處，油浸式套管試樣(4)從絕緣油箱(5)頂部中心豎直放入絕緣油箱(5)中，導電桿下部(3)距離絕緣油箱(5)底部30cm，電攪拌器(14)距離絕緣油箱(5)底部10cm，PTC恒溫加熱板(7)安放于絕緣油箱(5)底部中心處，紅外熱成像儀(11)、第一溫度傳感器(9a)安放于距離油浸式套管試樣(4)5m處，紅外熱成像儀(11)能掃描油浸式套管試樣(4)整體的完整熱像圖，第二溫度傳感器(9b)安放于絕緣油箱(5)左側中心處；導電桿上部(2)和導電桿下部(3)接至電流源(1)；電攪拌器(14)、PTC恒溫加熱板(7)連接至電壓源(8)；第一溫度傳感器(9a)、第二溫度傳感器(9b)連接至溫度采集裝置(10)，溫度采集裝置(10)連接至PC電腦(13)；紅外熱成像儀(11)連接至熱像圖采集裝置(12)，熱像圖采集裝置(12)連接至PC電腦(13)；

第二步：不同老化狀態的試樣制備與基礎數據獲取

制備絕緣紙聚合度分別為200、500、650、750、900、1050的油浸式套管試樣(4)，利用第二溫度傳感器(9b)記錄環境溫度T₀，設置試驗溫度T，選擇合適的PTC恒溫加熱板(7)，開啟電壓源(8)使電攪拌器(14)、PTC恒溫加熱板(7)工作，第二溫度傳感器(9b)測試絕緣油(6)溫度；當溫度保持穩定時，開啟電流源(1)，對油浸式套管試樣(4)加載試樣額定電流2小時，關閉電流源(1)15分鐘后，使用紅外熱成像儀(11)對油浸式套管試樣(4)進行熱像圖掃描并拍照10次，間隔時間為15分鐘，得到不同老化狀態油浸式套管試樣(4)在不同溫度下不同時刻的熱像圖，熱像圖像素均為512×512的圖像；

第三步：圖像預處理與特征參數提取

對熱像圖圖像進行移動，套管導電桿位于圖像垂直方向的中心，套管法蘭位于水平位置從上往下的3/4位置處，裁剪多余像素，獲取256×256圖像；

對熱像圖圖像進行灰度值處理，灰度值處理方法為：計算熱像圖圖像的RGB色彩分量，按式(1)對RGB三分量進行加權得到第m次拍照熱像圖的灰度圖像f_m(x,y)

f_m(x,y)＝0.299R_m(x,y)+0.578G_m(x,y)+0.114B_m(x,y) (1)

式中,R_m(x,y)、G_m(x,y)、B_m(x,y)分別為熱像圖圖像的紅、綠、藍顏色分量，x、y分別為熱像圖圖像位置，x＝1，2，…，256，y＝1，2，…，256，m＝1，2，…，10；

灰度值分為0-255共256個等級；

對圖像灰度圖進行離散傅里葉變換F_m(u,v)

式中，j為虛數單位；

計算模量E、E₀和S

式中，σ為第1次拍照熱像圖灰度圖的標準差；

計算特征參量K₀，計算方式為：

第四步：神經網絡學習訓練

對神經網絡進行學習訓練，首先，建立用于訓練深度卷積神經網絡的樣本集，樣本集為熱像圖圖像傅里葉變換頻譜圖以及特征參量K₀，其中傅里葉變換頻譜圖的截止頻率為256Hz；其次，構造神經網絡，并對構造的神經網絡初始化；所述的神經網絡，其結構包括：輸入層、隱含層和輸出層；對于具有多輸入的單個神經元，其輸出采用高斯函數作為激活函數；初始化各個神經元的閾值為一個介于0到1之間的隨機數；最后，神經網絡進行訓練，先經過前向傳遞，再反向傳遞誤差利用梯度下降法更新權值參數使得訓練誤差達到最小化；保存訓練好的神經網絡模型；

第五步：現場油浸式套管測試與模型參數修正

記錄全新油浸式套管的停運前2小時內的實時電流，記為I(t)，套管額定電流為I₁，并計算電流有效值I₀，電流有效值I₀的計算方式為：

以油浸式套管為圓心，半徑為5m的位置分別放置兩臺同類型紅外熱成像儀，兩臺紅外熱成像儀與套管間形成的夾角為π/6，套管停運15min后利用紅外熱成像儀對油浸式套管進行掃描和紅外線拍照，每間隔15min測試一次，測試10次，每一臺紅外熱成像儀測試所得油浸式套管在不同時刻的熱像圖圖像為一組測試結果，得到兩組油浸式套管在不同時刻的熱像圖圖像測試結果；根據第三步對現場油浸式套管測試的熱像圖進行圖像預處理；

計算特征參量K₁

加載訓練好的神經網絡，用訓練好的神經網絡對一組測試結果進行識別，根據識別結果對訓練好的神經網絡進行優化，用測試結果對優化后的模型進行檢驗并不斷優化，直至兩組測試結果的識別結果誤差小于0.5％；

第六步：油浸式套管老化狀態評估

按照第五步的現場油浸式套管的熱像圖測試方法測試需評估的油浸式套管的熱像圖，加載優化后的神經網絡模型，對熱像圖進行識別并輸出結果。