概括
这项研究使用高光谱成像 (HSI) 来评估由酸引起的 (SiR) 绝缘体老化. 一个联合的随机森林主要组件分析 (RF-PCA) 和卷积神经网络 (CNN) 模型使得像素级缺陷检测用于电网安全.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 遥感 遥感 遥感 遥感
背景情况:
- 酸性环境会降解 (SiR) 绝缘体,降低疏水性和闪电阻力,对电网稳定性构成风险.
- 准确评估绝缘体老化对于防止输电线路故障至关重要.
研究的目的:
- 开发使用光学超光谱成像 (HSI) 的SiR绝缘体衰老的像素级评估方法.
- 评估结合RF-PCA和CNN方法的有效性,用于分析老旧绝缘体的HSI数据.
主要方法:
- 在酸性溶液 (HNO3,H2SO4,HCl) 中人工老化SiR样本,以创建六种老化等级.
- 获取每个老化等级的高光谱图像 (HSI).
- 应用联合随机森林主要成分分析 (RF-PCA) 来从256个维度减少到7个维度.
- 开发一个卷积神经网络 (CNN) 模型用于像素级分类和缺陷预测.
主要成果:
- 该RF-PCA方法有效地减少了数据的复杂性,同时保留了基本的光谱信息.
- 该CNN模型实现了精确的像素级分类SiR绝缘体衰老状态.
- 该方法证明了对绝缘体缺陷的视觉预测的潜力.
结论:
- 与RF-PCA和CNN相结合的HSI提供了一种强大的方法来评估SiR绝缘体老化.
- 这种方法提高了电网安全危害的及时检测.
- 该研究为主动维护和提高电网可靠性提供了基础.
