紫外放电状态识别与故障预测方法

本书是以信息理论和人工智能为基础建立的一套高压电气设备状态识别系统和故障预测理论。书中凝结了作者近十年的科研成果，并以全新的方法来阐述紫外放电的机理与电气设备故障的关系，旨在为读者提供一种新思路、新方法、新技术。
全书共分10章，主要包括电气设备局部放电监测与故障诊断技术的发展现状，超声波检测法在电气设备局部放电故障定位方面的研究，电晕检测方法与日盲紫外原理，高压电器紫外脉冲检测系统设计，单通道双谱及双通道紫外电晕检测系统设计，电晕放电的图像处理，电晕放电及检测系统实验平台，电晕放电强度测量及系统成像实验，基于人工神经网络的故障状态识别等。
本书可以作为电气工程等相关专业科研人员的参考书，也可以作为高等院校电气工程及其自动化专业，特别是高电压与绝缘技术专业的研究生、本科生教材。

前言
1 电气设备局部放电监测与故障诊断技术的发展现状  1
1.1 电气设备局部放电监测与故障诊断技术研究背景及意义 1
1.2 电气设备故障诊断国内外发展概况 2
1.2.1 国外故障诊断技术发展概况  3
1.2.2 国内故障诊断技术发展概况  3
1.3 电气设备检修体制的演变 3
1.3.1 电气设备定期维修  3
1.3.2 电气设备在线监测  4
1.4 电晕放电的在线监测 5
1.4.1 人工目视检查法  5
1.4.2 红外检测法  5
1.4.3 超声波检测法  6
1.4.4 超高频检测法  7
1.4.5 脉冲电流检测法  8
1.4.6 介质损耗分析（DLA）检测法  8
1.4.7 化学检测法  8
1.5 紫外线检测法 9
1.6 紫外放电检测的应用范围  11
1.7 高压放电各种检测方法的优劣比较  11
2 超声波检测法在电气设备局部放电故障定位方面的研究 13
2.1 超声波定位数学模型——声检测方法  13
2.1.1 数学模型的建立  13
2.1.2 转为有约束优化问题  13
2.1.3 实验前期数据来源  14
2.2 传统定位优化算法  14
2.2.1 修正牛顿算法  14
2.2.2 最速下降算法  16
2.2.3 共轭梯度算法  18
2.2.4 变尺度算法  20
2.2.5 自适应算法  22
2.3 传统定位算法之间的比较 25
2.4 现代智能定位优化算法  26
2.4.1 模拟退火算法  26
2.4.2 遗传算法  28
2.4.3 粒子群算法  29
2.4.4 文化粒子群算法  31
2.5 几种现代智能定位算法的比较和总结 33
3 电晕检测方法与日盲紫外原理 36
3.1 电晕放电及其检测  36
3.2 气体电介质的击穿  37
3.2.1 汤逊理论  37
3.2.2 流注放电理论  38
3.3 电晕放电的机理及其一般特征 39
3.4 紫外成像分析  41
3.4.1 电磁波谱  41
3.4.2 紫外成像原理  42
3.5 日盲紫外检测方法  45
3.5.1 紫外脉冲检测  45
3.5.2 紫外图像检测  45
3.6 双通道紫外检测系统  46
3.6.1 双通道检测系统的结构与原理  46
3.6.2 双通道结构的弊端  46
3.7 单通道紫外检测系统  47
3.7.1 单通道检测系统的结构与原理  47
3.7.2 单通道结构与双通道的比较  48
4 高压电器紫外脉冲检测系统设计 49
4.1 检测管及驱动检测电路部分 49
4.1.1 紫外检测管R9454 的简介  49
4.1.2 驱动电路C10807 的简介 52
4.2 处理器开发板的硬件和软件设计部分 53
4.2.1 处理器开发板的硬件设计  53
4.2.2 处理器开发板的软件设计  57
4.3 显示终端设计  58
4.3.1 工业串口触摸屏简介  58
4.3.2 GSM 模块TC35i  59
4.3.3 无线传输模块简介及上位机Labview 的设计  60
4.4 检测仪器外部结构的设计  63
4.4.1 SolidWorks 简介  63
4.4.2 变压器、输电线路监测仪的设计  65
4.4.3 开关柜监测仪的设计  65
4.4.4 监测仪器的材料选择  67
4.5 检 测仪器系统的软件设计  67
4.5.1 虚拟仪器的概述  68
4.5.2 软件系统的设计  69
4.6 系统集成及实验效果  73
5 单通道双谱紫外电晕检测系统设计 75
5.1 系统的总体设计  75
5.1.1 硬件架构设计  75
5.1.2 功能描述与关键技术  75
5.2 滤光成像原理与方法  76
5.2.1 静态切换成像法  76
5.2.2 动态切换成像法  77
5.3 图像传输及视频采集模块的实现  78
5.3.1 系统的图像传输与视频采集  78
5.3.2 基于DirectShow 的视频采集  80
5.3.3 基于DSPack 组件的视频采集方案 81
6 双通道紫外电晕检测系统设计 82
6.1 双通道电晕紫外检测系统综述  82
6.2 双通道电晕紫外检测系统设计  82
6.2.1 硬件结构设计  82
6.2.2 系统功能描述  83
6.2.3 系统各部分描述  83
7 电晕放电的图像处理 85
7.1 系统的图像处理流程  85
7.2 紫外图像的预处理  86
7.2.1 RGB 色彩空间  86
7.2.2 灰度处理  90
7.2.3 二值化处理  92
7.3 图像去噪与放电区域提取  94
7.3.1 图像的数学形态学处理  94
7.3.2 紫外电晕图像的形态学处理  97
7.3.3 图像融合  100
7.3.4 单通道检测系统的图像融合  101
7.3.5 双通道电晕图像和背景图像融合  102
8 电晕放电及检测系统实验平台  113
8.1 紫外光电管 113
8.1.1 紫外光电管的特点  113
8.1.2 紫外传感器驱动电路  115
8.2 电晕放电模型 116
8.3 检测系统实验现象 117
9 电晕放电强度测量及系统成像实验  120
9.1 电晕放电的强度测量 120
9.1.1 放电强度公式的推导  120
9.1.2 放电强度公式的验证  121
9.1.3 放电强度计算实验  123
9.2 成像实验与讨论 124
9.2.1 硬件设计  124
9.2.2 光路切换电路的设计  125
9.2.3 成像软件算法设计  125
9.2.4 实验结果及分析  126
9.2.5 关于静态切换法实验的讨论  128
10 基于人工神经网络的故障状态识别 130
10.1 人工神经网络  130
10.1.1 人工神经基本概念  130
10.1.2 人工神经网络的特点  131
10.2 故障状态模式模型  131
10.2.1 模式识别  131
10.2.2 实验室模拟电晕放电  132
10.2.3 特征提取  134
10.3 基于BP 神经网络的状态识别  135
10.3.1 BP 神经网络概述  135
10.3.2 仿真结果  137
10.4 基于径向基神经网络的状态识别  138
10.4.1 径向基神经网络的基本概念  138
10.4.2 仿真结果 139
10.5 基于投影寻踪理论的模式识别  139
10.5.1 电晕放电量化分级方法 139
10.5.2 基于投影寻踪理论的模式识别等级模型 140
10.5.3 应用MATLAB 进行故障诊断仿真及实例分析  141
10.6 基于自组织神经网络的绝缘故障状态评定  143
10.6.1 输入变量的选择与样本处理 143
10.6.2 自组织映射网 144
10.6.3 动态神经元个数的SOFM 绝缘故障评估系统  145
10.6.4 LVQ 神经网络  148
10.6.5 LVQ 算法仿真实现  149
10.7 基于PSO-SVM 的电晕放电评级算法  151
10.7.1 支持向量机评级算法 151
10.7.2 基于PSO 改进的SVM 评级方法 152
10.7.3 建立模型及仿真实验 153
10.8 本章小结  155
参考文献  156