导读:本文包含了紫外成像检测论文开题报告文献综述及选题提纲参考文献，主要关键词:高压电晕,光能测量,日盲紫外相机,光谱传递函数
紫外成像检测论文文献综述
杨照光,李志新,张忠元,朱曦[1]（2019）在《紫外成像仪光谱传递函数对绝缘子电晕放电检测的影响研究》一文中研究指出高压电晕放电损耗能量与日盲紫外相机测得的光能之间存在关联,并且日盲紫外相机测得的光能受到一些辐射参数(距离、大气条件和电测试条件等)的影响。此外,日盲紫外相机的光谱带宽也会对光能的测量造成影响。为克服相机输出的局限性,并准确测量相机的的光谱传递函数,首先对采用日盲紫外相机进行高压绝缘子进行局部放电检测的原理进行了介绍,随后对光谱传递函数展开了仿真与试验研究,最终得出高压电晕放电能量与日盲紫外相机测得的光能之间的关系,研究结果表明利用紫外成像技术检测设备电晕放电具有一定意义。(本文来源于《电测与仪表》期刊2019年18期）
裴少通[2]（2019）在《基于红外紫外成像检测技术的绝缘子运行状态分析与评估》一文中研究指出输变电绝缘子在长期的电、热、环境和机械应力的作用下,可能会出现绝缘劣化、老化甚至缺陷等问题,危及电力系统的安全稳定运行。绝缘子的放电或发热现象一定程度上表征着绝缘子的运行状态,因此,以往的研究主要采用紫外成像仪和红外热成像仪对绝缘子开展带电检测试验,通过研究人员设定并提取相关特征参量与试验现象进行数据分析和比对,挖掘相关诊断判据。随着人工智能技术的不断发展,当前以深度学习为典型应用的理论及方法正在引领多个行业突破发展。因此本文在红外和紫外对绝缘子带电检测技术的基础上,研究并应用图像分类、目标识别、图像分割等多个人工智能与深度学习方法。本文的研究成果努力打破红外紫外检测“人工设定复杂算法流程”的困局,实现模型端对端的训练与检测,推动红外紫外成像检测方法的评估诊断智能化。本文研究的主要内容如下:采用BP神经网络、BOA-SVM、卷积神经网络叁种算法对劣化绝缘子红外图谱的评估诊断进行研究,开展输电线路劣化绝缘子在多种环境因素影响下的发热红外检测试验,简明分析了劣化绝缘子在不同的湿度、绝缘子串不同位置、不同污秽度等条件下的发热特性,整理构建劣化绝缘子与正常绝缘子的红外热成像检测图像库;采用BP神经网络算法,对比颜色直方图、颜色矩、中心线颜色向量矩阵叁种特征参量对劣化绝缘子的模型训练过程及检测效果;采用贝叶斯优化的支持向量机分类评估诊断算法,实现对劣化绝缘子红外图像的分类评估诊断;改进并训练基于深度的监督学习下的机器学习模型——Lenet卷积神经网络模型,以更高的检测准确率实现对劣化绝缘子红外图像的评估诊断,并在章节小节综合分析对比以上叁种算法的特点。研究基于深度学习的红外热成像的绝缘子发热目标识别算法,收集整理现场大量的异常发热红外图像,对红外图像中的异常发热点进行逐一人工标注,构建符合目标识别深度学习的可训练图像数据集。采用Faster-RCNN和YOLO-V3目标识别算法,实现对绝缘子异常发热目标点的识别并框选,可有效的屏蔽大部分无须关注的非故障发热点干扰,为红外发热异常带电检测的智能精益化巡检,提供新的思路和实现方法。研究深度卷积神经网络在绝缘子紫外放电图谱分类评估,采用FILIN紫外成像仪对瓷质绝缘子开展绝缘子工频闪络试验,建立紫外成像仪所拍摄的不同放电状态阶段类别的图谱库,改进Alexnet深度卷积神经网络模型,实现对瓷质绝缘子紫外成像检测的高准确率智能化分类评估,为绝缘子紫外闪络评估提供深度学习算法评估诊断的解决方案。研究全卷积神经网络与卷积神经网络针对绝缘子紫外污秽度检测的复合评估诊断模型。利用瓷质绝缘子污秽度紫外成像检测试验建立南非CoroCAM紫外成像仪所拍摄的不同状态类别的紫外图像库,研究全卷积神经网络模型对紫外成像仪图像的预处理算法,实现对紫外成像图谱对主光斑的分割提取以及背景噪声干扰的滤除,而后利用深度卷积神经网络模型对瓷质绝缘子紫外成像污秽度检测评估,最终形成基于全卷积与卷积复合神经网络模型的绝缘子串污秽度评估方法。研发多光路多传感的集成样机,该样机集成紫外成像、红外成像、可见光相机多光路集成一体的设计布局,结合多种微气象环境、激光测距等传感器,为多光路检测的数据修正提供更为全面的单设备多传感样机解决方案。开发绝缘子红外紫外后台诊断软件,可与多光路样机设备配合对接,使多光路检测设备具备初步诊断功能。在软件中部署本文研究的红外紫外评估相关诊断算法,实现红外紫外对绝缘子运行状态的诊断评估算法的应用。(本文来源于《华北电力大学(北京)》期刊2019-06-01）
林磊[3]（2019）在《基于紫外成像的电晕放电检测技术改进研究》一文中研究指出针对当前电晕放电检测存在检测精度低的问题,提出一种基于紫外成像的电晕放电检测方法。该方法将基于紫外成像的电晕放电检测效果的干扰因素划分为距离、增益、温度和湿度检测等;构建了紫外线成像电晕放电检测体系,采用物镜系统解决电晕放电目标成像问题,利用光传感器将电晕放电图像进行光电转换,结合紫外滤光片滤除日盲区之外的光波,采用控制分析体系将光的强度量进行统计并分析,同时控制整个检测体系。利用图像显示体系将电晕放电图像信息融合、显示。在紫外线成像电晕放电检测体系基础上,分别对检测干扰因素逐一处理,设计基于紫外成像的电晕放电检测流程图,完成电晕放电高质量检测。实验表明,文章所提方法不仅有效处理了电晕放电检测干扰因素,还提高了放电源检测的检测精度。(本文来源于《电网与清洁能源》期刊2019年05期）
王晓剑,何天磊,陈聪,徐俊元,胡磊[4]（2019）在《紫外成像检测技术在高压电气设备故障诊断中的应用》一文中研究指出介绍了紫外成像检测技术的工作原理与诊断方法,分析了影响检测结果的几种因素以及紫外成像的技术特点。并结合案例,阐述了紫外成像检测技术在高压电气设备故障诊断中的应用。随着我国电网规模和装机容量的不断扩大,电力系统对高压电气设备可靠性的要求越来越高,这就要求设备管理单位要不断提高预防性维护水(本文来源于《电气时代》期刊2019年04期）
田英慧,赵志勇,张健,崔志刚,冯海潮[5]（2018）在《雪地伪装检测紫外成像设备的设计与实现》一文中研究指出紫外成像设备是雪地伪装效果检测评估的常用设备。根据雪地伪装试验实际需求,结合现代成像技术,设计和实现了一套结构紧凑、低功耗、高灵敏度、高分辨率、快捷便携的雪地伪装检测紫外成像设备。通过实验验证表明,其具有良好的实用性和可靠性。(本文来源于《红外技术》期刊2018年12期）
张征宇,刘璐华[6]（2018）在《中型旋翼无人机紫外成像检测技术在电力巡线中的应用》一文中研究指出电力巡线工作是一项十分重要的工作,传统的人工普通巡线的方式已经难以满足实际发展的需要。中型旋翼无人机紫外成像检测技术的出现,不仅能在检测输电线路中没有任何死角,而且能减少爬塔的次数,在提高工作效率的同时确保巡线的安全,降低巡线的成本。所以本文就中型旋翼无人机紫外成像检测技术在电力巡线中的应用要点进行了探讨。(本文来源于《化工管理》期刊2018年31期）
葛志成,田世杰,范继伟,黄涛,董洪达[7]（2018）在《紫外成像技术在500kV变电站设备带电检测中的应用》一文中研究指出简要介绍电晕放电对设备的影响和危害,阐述紫外检测技术的基本原理和技术特点,结合现场案例,介绍紫外成像技术在发现缺陷中的应用,同时提出紫外成像技术现阶段存在的问题及展望。(本文来源于《电工技术》期刊2018年17期）
唐巾鸿,张欢欢,杨俊伟,邓旭东,梁俊义[8]（2018）在《浅析紫外成像技术在高压设备带电检测中的应用》一文中研究指出电能是重要的能源,与人们的生产活动和生活有着密切的联系。电能在传输过程中,应用到许多的高压设备和线路,这些设备和线路运行中会产生各类缺陷,若能及时发现并排除,可大大提高电网运行可靠性,具有很大的经济效益和社会效益。因此,需要做好高压设备的带电检测工作。实践证明,紫外线成像技术便是一种新型的带电检测技术,对于放电类缺陷,是一种有效的检测技术,相较于其他的检测技术有着明显的优势。本文就研究紫外成像技术的原理、优点、影响因素以及在带电检测中的应用。(本文来源于《科技创新导报》期刊2018年23期）
魏健春,任昂,肖怀硕,李清泉[9]（2018）在《紫外成像技术在RTV涂覆平板模型放电检测中的影响因素研究》一文中研究指出用室温硫化硅橡胶(RTV)涂覆的平板模型模拟带有RTV涂层的绝缘子表面,将其均匀涂污后置于人工雾室内。改变雾室内的环境湿度、仪器增益等参数,通过成像仪记录放电光子数,利用示波器记录相应的泄漏电流。结果表明:环境湿度对于RTV涂覆平板模型放电具有显着影响,相对较高的环境湿度将会增强放电,但同时也会导致紫外光在传播中发生较大的衰减;成像仪的检测角度对电晕放电的检测没有明显影响,其以放电点为球心均匀向四周辐射;随着检测距离的增加,成像仪接收到的紫外光子数呈指数衰减;随着成像仪增益的提高,接收到的紫外光子数先增加,其后由于重迭效应逐渐减少。(本文来源于《绝缘材料》期刊2018年05期）
方琼,张奇,滕飞,赵勇[10]（2018）在《基于紫外成像仪实时检测1000kV超高压输电设备的运行状态》一文中研究指出超高压输电设备在正常营运情况下,表面电晕放电现象微弱,但由于外部环境或设备质量问题影响,设备表面出现严重放电情况。文中提出利用紫外成像仪对1000kv超高压输电设备的运行状态实行检测,先根据气体放电理论可获知高压电气设备外绝缘面在放电过程产生光辐射,利用紫外线光辐射强度描述带电粒子运动状态和空间带电粒子状态,并采用紫外辐射强度作为放电程度表征参数,形成基于紫外成像表征的超高压输电设备在线检测方法;然后,以两种绝缘子为研究对象,进行电晕放电紫外成像检测实验,将带有污秽物的支柱绝缘子及清洁的支柱绝缘子在工频电压条件下做对比实验,紫外成像仪可准确获取放电具体位置;利用合成绝缘子以不同天气为实验条件,通过上述检测手段对合成绝缘子放电位置实现了准确定位。实验证明,运用基于紫外成像仪的检测手段可以有效检测超高电压设备的运行状态。(本文来源于《科技通报》期刊2018年03期）
紫外成像检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
输变电绝缘子在长期的电、热、环境和机械应力的作用下,可能会出现绝缘劣化、老化甚至缺陷等问题,危及电力系统的安全稳定运行。绝缘子的放电或发热现象一定程度上表征着绝缘子的运行状态,因此,以往的研究主要采用紫外成像仪和红外热成像仪对绝缘子开展带电检测试验,通过研究人员设定并提取相关特征参量与试验现象进行数据分析和比对,挖掘相关诊断判据。随着人工智能技术的不断发展,当前以深度学习为典型应用的理论及方法正在引领多个行业突破发展。因此本文在红外和紫外对绝缘子带电检测技术的基础上,研究并应用图像分类、目标识别、图像分割等多个人工智能与深度学习方法。本文的研究成果努力打破红外紫外检测“人工设定复杂算法流程”的困局,实现模型端对端的训练与检测,推动红外紫外成像检测方法的评估诊断智能化。本文研究的主要内容如下:采用BP神经网络、BOA-SVM、卷积神经网络叁种算法对劣化绝缘子红外图谱的评估诊断进行研究,开展输电线路劣化绝缘子在多种环境因素影响下的发热红外检测试验,简明分析了劣化绝缘子在不同的湿度、绝缘子串不同位置、不同污秽度等条件下的发热特性,整理构建劣化绝缘子与正常绝缘子的红外热成像检测图像库;采用BP神经网络算法,对比颜色直方图、颜色矩、中心线颜色向量矩阵叁种特征参量对劣化绝缘子的模型训练过程及检测效果;采用贝叶斯优化的支持向量机分类评估诊断算法,实现对劣化绝缘子红外图像的分类评估诊断;改进并训练基于深度的监督学习下的机器学习模型——Lenet卷积神经网络模型,以更高的检测准确率实现对劣化绝缘子红外图像的评估诊断,并在章节小节综合分析对比以上叁种算法的特点。研究基于深度学习的红外热成像的绝缘子发热目标识别算法,收集整理现场大量的异常发热红外图像,对红外图像中的异常发热点进行逐一人工标注,构建符合目标识别深度学习的可训练图像数据集。采用Faster-RCNN和YOLO-V3目标识别算法,实现对绝缘子异常发热目标点的识别并框选,可有效的屏蔽大部分无须关注的非故障发热点干扰,为红外发热异常带电检测的智能精益化巡检,提供新的思路和实现方法。研究深度卷积神经网络在绝缘子紫外放电图谱分类评估,采用FILIN紫外成像仪对瓷质绝缘子开展绝缘子工频闪络试验,建立紫外成像仪所拍摄的不同放电状态阶段类别的图谱库,改进Alexnet深度卷积神经网络模型,实现对瓷质绝缘子紫外成像检测的高准确率智能化分类评估,为绝缘子紫外闪络评估提供深度学习算法评估诊断的解决方案。研究全卷积神经网络与卷积神经网络针对绝缘子紫外污秽度检测的复合评估诊断模型。利用瓷质绝缘子污秽度紫外成像检测试验建立南非CoroCAM紫外成像仪所拍摄的不同状态类别的紫外图像库,研究全卷积神经网络模型对紫外成像仪图像的预处理算法,实现对紫外成像图谱对主光斑的分割提取以及背景噪声干扰的滤除,而后利用深度卷积神经网络模型对瓷质绝缘子紫外成像污秽度检测评估,最终形成基于全卷积与卷积复合神经网络模型的绝缘子串污秽度评估方法。研发多光路多传感的集成样机,该样机集成紫外成像、红外成像、可见光相机多光路集成一体的设计布局,结合多种微气象环境、激光测距等传感器,为多光路检测的数据修正提供更为全面的单设备多传感样机解决方案。开发绝缘子红外紫外后台诊断软件,可与多光路样机设备配合对接,使多光路检测设备具备初步诊断功能。在软件中部署本文研究的红外紫外评估相关诊断算法,实现红外紫外对绝缘子运行状态的诊断评估算法的应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
紫外成像检测论文参考文献
[1].杨照光,李志新,张忠元,朱曦.紫外成像仪光谱传递函数对绝缘子电晕放电检测的影响研究[J].电测与仪表.2019
[2].裴少通.基于红外紫外成像检测技术的绝缘子运行状态分析与评估[D].华北电力大学(北京).2019
[3].林磊.基于紫外成像的电晕放电检测技术改进研究[J].电网与清洁能源.2019
[4].王晓剑,何天磊,陈聪,徐俊元,胡磊.紫外成像检测技术在高压电气设备故障诊断中的应用[J].电气时代.2019
[5].田英慧,赵志勇,张健,崔志刚,冯海潮.雪地伪装检测紫外成像设备的设计与实现[J].红外技术.2018
[6].张征宇,刘璐华.中型旋翼无人机紫外成像检测技术在电力巡线中的应用[J].化工管理.2018
[7].葛志成,田世杰,范继伟,黄涛,董洪达.紫外成像技术在500kV变电站设备带电检测中的应用[J].电工技术.2018
[8].唐巾鸿,张欢欢,杨俊伟,邓旭东,梁俊义.浅析紫外成像技术在高压设备带电检测中的应用[J].科技创新导报.2018
[9].魏健春,任昂,肖怀硕,李清泉.紫外成像技术在RTV涂覆平板模型放电检测中的影响因素研究[J].绝缘材料.2018
[10].方琼,张奇,滕飞,赵勇.基于紫外成像仪实时检测1000kV超高压输电设备的运行状态[J].科技通报.2018