基于改进神经网络算法的变电站变压器裂纹图像识别,本论文为您写图像识别毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
图像识别论文参考文献：
摘 要： 为了保证电力系统的正常运行,提高电站变压器裂纹图像的识别精度,提出基于改进神经网络算法的变电站变压器裂纹图像识别模型.首先收集变电站变压器裂纹图像,并进行去噪处理,然后提取变电站变压器裂纹图像的特征,并对特征进行无量纲化处理,最后采用神经网络建立变电站变压器裂纹图像识别模型,并对神经网络的不足进行相应改进,在Matlab 2014R平台上进行变电站变压器裂纹图像识别的仿真测试,结果表明,改进神经网络不仅能够获得较好的变电站变压器裂纹图像识别结果,而且识别速度也能够满足变电站变压器裂纹图像检测的要求.
关键词： 变电站变压器； 裂纹图像； 特征提取； 神经网络
中图分类号： TN911.73?34； TP181 文献标识码： A 文章编号： 1004?373X（2017）13?0066?04
Abstract： In order to guarantee the normal operation of the electric power system, and improve the identification precision of the substation tranormer crack image, a substation tranormer crack image recognition model based on the improved neural network algorithm is proposed. The substation tranormer crack image is collected and denoised. And then the features of the substation tranormer crack image are extracted, and proceeded with dimensionless processing. The neural network is used to establish the recognition model of the substation tranormer crack image, and its deficiency is improved correspondingly. The simulation test of the substation tranormer simulation crack image recognition was carried out in Matlab 2104R. The results show that the improved neural network can obtain better result of the substation tranormer crack image recognition, and the recognition speed can meet the requirements of the substation tranormer crack image detection.
Keywords： substation tranormer； crack image； feature extraction； neural network
0 引 言
随着经济的不断发展,人们的生活水平日益提高,各种家用电器以及办公室的电器使用更加频繁,电力系统的稳定工作面临巨大的挑战[1].变压器是一种重要的电气设备,变电站变压器裂纹严重影响电力系统的正常运行,因此如何对变电站变压器裂纹图像进行准确识别具有重要的意义[2].
国内外学者对变电站变压器裂纹图像技术进行了深入、广泛的研究,提出了一些可行的变电站变压器裂纹图像识别模型[3],目前变电站变压器裂纹图像识别模型主要基于图像进行识别,通过对变压器裂纹图像进行分类,对变压器裂纹图像的类别进行正确划分.在实际应用中,变压器裂纹图像采集受到天气、环境以及采集设备的干扰,图像中难免会包含一定的噪声,这些噪声对变压器裂纹图像准确识别产生了不利影响,因此需去除变压器裂纹图像中的噪声[4?5].变压器裂纹图像识别主要基于特征进行建模分析,因此特征对变压器裂纹图像识别结果影响十分重要,当前变压器裂纹图像识别特征很多,其中不变矩阵特征具有惟一性、鲁棒性和可分性,在目标识别、字符识别等领域得到了广泛的应用[6].变压器裂纹图像类别与特征之间的联系十分复杂,传统方法采用欧式距离估计样本之间的特征联系,建立的变压器裂纹图像识别模型的误识率比较高[7?8].神经网络具有很好的非线性拟合性能,可以较好地描述变压器裂纹图像类型与特征之间的变化关系,广泛应用于变电站变压器裂纹图像的识别中.然而神经网络自身也存在一定的不足,如参数的确定全凭经验进行,导致变压器裂纹图像识别结果具有一定的盲目性和主观性,识别结果不理想[9?10].
为了保证电力系统的正常运行,提高变电站变压器裂纹图像的识别精度,提出基于改进BP神经网络[11]算法的变电站变压器裂纹图像识别.首先收集变电站变压器裂纹图像,并进行去噪处理,然后提取变电站变压器裂纹图像的特征,最后采用改进神经网络建立变电站变压器裂纹图像识别模型,在Matlab 2014R平台上仿真测试结果表明,改进神经网络提高了变电站变压器裂纹图像的识别精度,加快了变电站变压器裂纹图像的检测速度.
1 小波变换和神经网络
1.1 小波变换
小波变换可以对信号进行小波分解,小波系数描述不同分辨率上的信息,而且自适应能力强,其基本思想为：
式中：和分别表示高分辨率空间和低分辨率空间.
當时,小波变换的空间分解见图1.
结论：关于对写作图像识别论文范文与课题研究的大学硕士、相关本科毕业论文图像识别论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
改进蚁群算法在全终端网络可靠性优化问题上的应用
摘要：本文着重解决全终端网络成本优化问题，以达到最佳的寻优效果和寻优速度，基于泰国学者KanyapatWatcharasitthiwat在解决网。
基于BP神经网络车牌识别技术算法分析
摘要：车牌识别是计算机视觉技术的一种典型应用，以机器视觉、图形图像、模式识别等为理论基础，采用神经网络、形态学、投影等技术实现车辆拍照、视频分解。
基于遗传算法BP神经网络在权证定价中应用
摘要:对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一。传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具。
基于改进RBF神经网络矿井瓦斯涌出量预测
摘 要：介绍了瓦斯涌出量对矿井安全的影响及一种改进的RBF算法——IRBF算法，借助Matlab软件利用BP算法、传统RBF算法及IRBF算法对。