基于BP神经网络的高压隔离开关分合闸监测识别

• 作者: 刘子英 张靖 邓芳明
• 来源期刊: 电力系统保护与控制
• 关键词: 高压隔离开关 图像识别 NSCT 二维最大熵分割 像素积分投影 BP神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 设计开发
• 页码范围: 134-140
• 页数: 7页
• 字数: 4307字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.190524

摘要

为了监视电动式高压隔离开关合闸状态,采用图像识别方法对高压隔离开关是否合闸进行监测,确保检修人员的安全.提出了一种融合NSCT和二维最大熵分割方法对图像进行分割,并提取出感兴趣区域(闸刀).再通过像素积分投影法对闸刀分合闸情况进行特征提取,将提取到的特征值导入BP神经网络中进行训练,得出一个能够自动识别闸刀位置的分类器.将采集的图片导入BP神经网络分类器中进行识别实验论证.实验表明,处理后的图像抗噪能力强,训练出的BP神经网络对闸刀合闸状态的识别率高,达到95％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘子英	华东交通大学电气与自动化工程学院	29	114	6.0	9.0
2	邓芳明	华东交通大学电气与自动化工程学院	39	212	8.0	13.0
3	张靖	华东交通大学电气与自动化工程学院	4	2	1.0	1.0