[發(fā)明專利]一種發(fā)電機定子線棒絕緣缺陷識別方法

在審

• 申請?zhí)枺?/td>: 202211515430.8
• 申請日: 2022-11-30
• 公開（公告）號: CN115825239A
• 公開（公告）日: 2023-03-21
• 發(fā)明（設(shè)計）人: 劉虹邑;裴景克;張躍;謝志輝;李愿杰;彭浣欽;冉啟鼎;劉雁;周江
• 申請（專利權(quán)）人: 東方電氣集團科學(xué)技術(shù)研究院有限公司;東方電氣集團東方電機有限公司
• 主分類號: G01N29/06
• 分類號: G01N29/06;G01N29/44
• 代理公司: 成都天嘉專利事務(wù)所(普通合伙) 51211
• 代理人: 青春

本發(fā)明公開了一種發(fā)電機定子線棒絕緣缺陷識別方法，涉及電機故障診斷和人工智能技術(shù)領(lǐng)域，包括以下步驟：S1、采集發(fā)電機定子線棒絕緣的超聲圖像，并將超聲圖像中的二維圖像轉(zhuǎn)變成一維數(shù)據(jù)；S2、利用奇異值分解算法，對轉(zhuǎn)變后的一維數(shù)據(jù)進(jìn)行降噪處理，并保留一維數(shù)據(jù)中的主要信息；S3、采用小波包變換算法提取降噪后不同絕緣缺陷超聲信號的小波包能量特征；S4、構(gòu)建量子衍生概率神經(jīng)網(wǎng)絡(luò)，并將提取的小波包能量特征輸入到量子衍生概率神經(jīng)網(wǎng)絡(luò)中，輸出發(fā)電機定子線棒絕緣缺陷的識別結(jié)果。本發(fā)明提供的方法，能夠自適應(yīng)的挖掘超聲信號蘊含的特征，實現(xiàn)了定子線棒絕緣缺陷的智能識別，有效提高了識別算法的精確度和準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及電機故障診斷和人工智能技術(shù)領(lǐng)域，更具體地說涉及一種基于特征提取的量子衍生概率神經(jīng)網(wǎng)絡(luò)的發(fā)電機定子線棒絕緣缺陷識別方法。

背景技術(shù)

隨著科技的快速發(fā)展，電機作為重要的驅(qū)動設(shè)備，被廣泛應(yīng)用于生產(chǎn)生活的諸多領(lǐng)域中，并在現(xiàn)代化建設(shè)和工業(yè)制造中發(fā)揮著無可替代的作用。電機絕緣缺陷通常分為集中性缺陷和分布性缺陷，絕緣缺陷會直接影響電氣設(shè)備的使用周期及其運行壽命。目前，我國電氣設(shè)備制造企業(yè)及應(yīng)用部門多采用的是定期維修和預(yù)防性試驗制度對發(fā)電機進(jìn)行維護，基本上能保證兩次大修期間發(fā)電機和電力系統(tǒng)的安全運行。但這類檢修手段較為滯后且對設(shè)備的固有缺陷及運行缺陷無法進(jìn)行無損定位及定位的自適應(yīng)識別。

現(xiàn)有技術(shù)中，公開號為CN112465781A的專利，公開了一種基于視頻的風(fēng)電機組主要部件缺陷識別方法，包括如下步驟：S1、將嵌入式系統(tǒng)集成到攝像頭內(nèi)，利用嵌入式系統(tǒng)完成設(shè)備缺陷識別工作；S2、將OpenCV函數(shù)庫移植到嵌入式系統(tǒng)當(dāng)中運行，并對OpenCV函數(shù)庫進(jìn)行裁剪，并保留有視頻轉(zhuǎn)換的轉(zhuǎn)換功能的ffmpeg的庫，v4l2的視頻協(xié)議庫；本發(fā)明通過將OpenCV函數(shù)庫移植到嵌入式系統(tǒng)，并將該種嵌入式系統(tǒng)集成到攝像頭內(nèi)，利用嵌入式系統(tǒng)完成設(shè)備缺陷識別工作，對于煙霧運動部分的檢測是基于圖像差分法，可以及時發(fā)現(xiàn)設(shè)備缺陷并發(fā)送給客戶端，提醒運檢人員及時處理設(shè)備缺陷，預(yù)防設(shè)備故障發(fā)生，解決了人工巡檢設(shè)備缺陷實時性差的弊端。

上述專利公開的缺陷識別方法，基于視頻對風(fēng)電機組主要部件的缺陷進(jìn)行識別，其沒有公開對發(fā)電機定子線棒絕緣缺陷進(jìn)行識別。發(fā)電機定子線棒絕緣缺陷是指絕緣的內(nèi)部會出現(xiàn)氣隙、分層、裂紋和脫殼等缺陷。引起絕緣的局部放電、電樹等現(xiàn)象甚至造成絕緣的電擊穿，缺陷的存在不僅降低絕緣的使用壽命，而且影響系統(tǒng)的運行可靠性，對大電機的正常運行危害極大。進(jìn)行絕緣缺陷的識別，有助于提前發(fā)現(xiàn)缺陷，提前解除隱患，對電機的正常安全運行有重大意義。

近年來超聲檢測技術(shù)和人工智能技術(shù)不斷發(fā)展。超聲檢測技術(shù)的應(yīng)用范圍很廣，超聲檢測技術(shù)可以在不改變、不損害材料和工作的狀態(tài)以及使用性能的前提下，測定其變化量，從而判斷材料及結(jié)構(gòu)是否存在缺陷。人工智能領(lǐng)域以神經(jīng)網(wǎng)絡(luò)為代表的機器學(xué)習(xí)算法獲得了高速的發(fā)展，并在諸多領(lǐng)域內(nèi)實現(xiàn)了應(yīng)用。神經(jīng)網(wǎng)絡(luò)可以在海量數(shù)據(jù)中自適應(yīng)地學(xué)習(xí)數(shù)據(jù)內(nèi)部的隱性關(guān)系，并有效掌握反映數(shù)據(jù)性質(zhì)的本質(zhì)特征。因此，神經(jīng)網(wǎng)絡(luò)可以解決傳統(tǒng)算法難以處理的問題，將其應(yīng)用于發(fā)電機定子線棒絕緣缺陷識別是一種新的思路。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明公開了一種發(fā)電機定子線棒絕緣缺陷識別方法，本發(fā)明的目的是解決現(xiàn)有技術(shù)中采樣傳統(tǒng)定期維修和預(yù)防性試驗制度對發(fā)電機定子線棒絕緣缺陷識別存在的問題。本發(fā)明通過提取超聲檢測圖像特征和建立卷積神經(jīng)網(wǎng)絡(luò)分析特征，從而識別出發(fā)電機定子線棒絕緣缺陷。

為了實現(xiàn)以上目的，本發(fā)明采用的技術(shù)方案：

一種發(fā)電機定子線棒絕緣缺陷識別方法，包括以下步驟：

一、數(shù)據(jù)采集提取轉(zhuǎn)變

S1、采集發(fā)電機定子線棒絕緣的超聲圖像，并將超聲圖像中的二維圖像轉(zhuǎn)變成一維數(shù)據(jù)；

優(yōu)選的，所述S1步驟中，所述超聲圖像包括無缺陷的超聲圖像、分層缺陷的超聲圖像和裂紋缺陷的超聲圖像。