论文部分内容阅读
为了解决紫外成像在放电诊断中分辨率较低、抗噪性能较弱、故障定位不精确的问题,基于可见光图像和机器学习,提出了一种沿面放电的智能诊断方法。首先,在暗环境下建立了包含不同实验条件沿面放电可见光数字图像库,分别提取了图像的颜色、灰度、形态特征;然后,使用聚类算法将放电图像按照放电的严重程度划分为正常、轻微、严重、危险4个阶段,并结合放电光谱关联性实验对划分结果的物理意义进行了解释;接着,使用k近邻、决策树、支持向量机、梯度提升决策树4种经典监督学习算法,在已划分阶段的数据集上训练智能诊断模型;此外,还尝试