针对轨道扣件表面结构复杂导致的线结构光照射分布不均匀问题，研究了一种基于改进灰度重心法的光条中心线提取方法，精准重构了轨道扣件点云模型。基于点云模型提取了轨道扣件的结构特征信息，建立了轨道扣件缺陷检测组合分类器模型，实现了轨道扣件的弹条缺失、扣件歪斜、螺母缺失等缺陷检测。研究了基于表面法向量的螺母上平面解析方法，通过螺母松动测量实验实现了轨道扣件的松动检测。搭建了扣件故障诊断实验平台并开展了相关实验研究，实验结果表明，系统扣件故障检出率达到96%，扣件松紧度测量的总体误差低于0.2 mm，扣件故障诊断系统的检测效果和鲁棒性较好，对列车安全运行具有重要的现实意义。
测量 三维图像处理 轨道扣件 线结构光 中心线提取 故障诊断
电力设备的故障常以异常发热的状态经红外图像检测被检测人员发现。针对使用最大类间方差法（Otsu method, Otsu）对电力设备热故障诊断精度不佳，效率不高的问题，提出了基于变螺旋麻雀搜索算法（variable spiral sparrow search algorithm, VSSSA）的红外图像分割方法。变螺旋麻雀搜索算法先采用 Tent混沌序列优化初始种群，然后，通过引入 Lévy飞行和变螺旋策略提高种群的寻优速度和探索能力，并使用基准函数测试验证了其性能的有效性；最后，在 VSSSA优化二维 Otsu函数，并对红外图像进行双阈值分割的基础上，结合自适应区域生长法进一步提取精确的目标区域。图像分割实验结果显示，该红外方法相比其他的分割方法，分割精度更优，因而具有一定的实用性。
麻雀搜索算法 图像分割 红外图像 设备故障诊断 sparrow search algorithm, image segmentation, infr
兰州交通大学机电技术研究所，甘肃兰州 730070
红外热成像技术根据物体对外辐射强度进行具体成像，所得热图像不仅包括物体轮廓而且对于物体表面温度场分布可进行直观表征，利用该技术进行滚动轴承状态判别可结合热图像特征丰富以及图像处理技术将滚动轴承状态判别转换到一个全新的技术视角。本文首先对红外热成像技术基本原理进行简单介绍；其次，主要对国内外利用红外热成像技术进行滚动轴承状态监测与故障诊断的各个环节所采用的多种技术方法进行总结论述，最后对各技术环节所采用的多种方法的优、缺点、以及局限性进行对比性的总结分析，对滚动轴承红外热成像故障诊断与状态监测发展前景进行展望。
滚动轴承 红外热图像 故障诊断 状态监测 rolling bearing, infrared thermal imaging technolo
强激光与粒子束
2023, 35(8): 089002
1 中国民航大学 工程技术训练中心，天津 300300
2 中国民航大学 职业技术学院，天津 300300
电路板红外温度序列包含了丰富的故障类别信息，充分利用其局部与全局特征可以提高电路板故障诊断的准确率。为此，文中提出了一种由特征提取网络（Features Extraction Network，FEN）与关系学习网络（Relationship Learning Network，RLN）并行构成的可综合利用温度序列局部特征及特征间关系的电路板故障诊断模型。其中，FEN基于多尺度膨胀卷积（Multi-scale Dilated CNN，MDCNN）残差结构搭建，可在不增加训练参数的前提下构建多层次感受野，学习温度序列不同范围的空间特征；RLN基于嵌入长短期记忆网络的注意力机制（Long Short-Term Memory hybridized with Attention，LSTMwAtt）结构搭建，通过控制温度序列信息传递来学习特征重要性并分配权重，挖掘不同位置特征间的相关性。实验结果显示，所提模型在两个自建电路板温度序列测试数据集上的诊断性能优于同类型的FCN、MFCN、LSTM和LSTM-FCN，故障诊断准确率分别达到91.15%和96.27%，可实现对电路板故障的高准确率诊断。
红外温度序列 电路故障诊断 多尺度膨胀卷积 长短期记忆网络 注意力机制 infrared temperature series circuit fault diagnosis multi-scale dilated CNN LSTM attention mechanism 红外与激光工程
2023, 52(4): 20220492
中国民航大学电子信息与自动化学院机载电子系统深度维修实验室, 天津 300300
针对传统红外图像的机载电路板芯片故障诊断法诊断率低且无法诊断动态故障的问题, 本文提出了一种基于红外温度数据的改进麻雀搜索算法优化 BP神经网络(Improved sparrow search algorithm-Back propagation neural networks, ISSA-BPNN)机载电路板芯片故障诊断方法。首先, 提取红外热像仪采集的电路板芯片温度数据, 建立电路板芯片升温过程中静态、动态、统计特征的特征模型; 然后, 利用 Sine混沌映射初始化麻雀种群分布, 利用 Levy飞行策略改进发现者种群位置更新公式, 将改进后的麻雀搜索算法优化 BP神经网络的权值参数; 最后, 将温度特征模型输入到 ISSA-BP神经网络进行训练和测试, 从而完成电路板芯片故障诊断。实验采用航电系统电源电路板进行可靠性分析, 实验结果表明, 该方法在电路板不同工况下综合故障诊断率达到 97.84%。
红外温度 改进麻雀搜索算法 BP神经网络 电路板芯片 故障诊断 infrared temperature improved sparrow search algorithm BP neural network circuit board chip fault diagnosis
1 中国科学院安徽光学精密机械研究所, 中国科学院通用光学定标与表征技术重点实验室, 安徽 合肥 230031
2 国网安徽省电力有限公司, 电力科学研究院, 安徽 合肥 230000
传统变压器绝缘油品质荧光分析检测方法是利用荧光分光光度计采集油样本全谱段荧光光谱, 根据不同老化程度绝缘油的全谱荧光特征变化建立变压器运行状态诊断模型。 针对传统荧光方法中光度计体积大、 价格昂贵以及因光谱采集时间长无法实现实时监测等问题, 提出一种基于荧光双色比例的变压器绝缘油品质检测方法, 提取荧光特征双波段信息并建立变压器运行故障诊断模型, 可通过定制滤光片和可见光电探测器等硬件取代传统荧光分光光度计, 实现双色荧光信息快速采集及处理, 满足在线实时监测的同时降低硬件成本。 对放电击穿故障造成的变压器绝缘油老化进行荧光分析, 试验模拟了不同放电击穿工况, 制备了不同放电击穿时间(10, 30, 50, 70, 90和120 min)下的尼纳斯油样本作为荧光检测目标; 使用荧光分光光度计采集了各样本在不同激发波长下的荧光发射光谱, 确定最优固定激发波长为280 nm; 使用3点移动均值平滑法对样本荧光光谱平滑去噪, 通过分析不同放电击穿时间下油样荧光特征峰的变化规律, 选取380~388和399~407 nm作为双色信息提取波段, 利用最小二乘曲线拟合建立了荧光双色比例变压器绝缘油放电击穿故障诊断模型。 研究结果初步证明了荧光双色比例法在变压器绝缘油放电击穿故障诊断上的有效性, 为一种体积小、 成本低、 快速有效在线监测系统的建立提供了一定的理论与实践基础。
变压器绝缘油 荧光光谱 双色比例探测 故障诊断模型 Transformer insulated oil Fluorescence spectra Double-color ratio detection Fault diagnosis model 光谱学与光谱分析
2022, 42(4): 1134
1 国网湖南省电力有限公司电力科学研究院, 湖南长沙 410007
2 国网湖南省电力有限公司, 湖南长沙 410004
本文提出一种基于多尺度引导滤波和决策融合(multi-scale guided filter and decision fusion, MGDF)的电力设备热故障诊断方法, 联合多尺度引导滤波和决策融合技术, 充分挖掘红外图像的空间结构信息和温度信息。该方法有 3个主要步骤。首先, 基于热故障区域与环境背景在红外图像上的温度差异特性, 逐像素计算热故障区域与环境背景的马氏距离, 获取初始的热故障诊断结果。然后, 采用不同参数设置的引导滤波器对初始诊断结果进行滤波处理, 并将生成的若干引导滤波特征图堆叠在一起。不同参数下的滤波特征图包含着互补的空间结构信息。最后, 为充分挖掘不同尺度特征图的空间结构信息和温度差异信息, 利用主成分分析法对引导滤波特征图进行决策融合, 提升热故障的诊断精度, 生成最终的热故障诊断结果图。实验测试结果表明, 本文方法在热故障诊断精度上有明显优势, 满足电力设备红外巡检的应用需求。
电力设备 红外图像 热故障诊断 引导滤波 多尺度 决策融合 power equipment infrared image thermal fault diagnosis guided fusion multi-scale decision fusion
