[发明专利]基于支持矩阵机的电力设备红外图像异常识别方法

摘要

本发明公开一种基于电力设备的红外温度图像来诊断其运行状态异常情况的方法，包括以下步骤将n张大小相同的电力设备红外图像进行灰度归一化，并按其故障情况加入标签作为训练样本；构建支持矩阵机，将归一化样本矩阵和标签作为输入信息，通过交替方向乘子法迭代更新计算分类超平面参数；将预测样本灰度归一化后代入分类超平面模型，计算得到其运行状态值，得到预测结果；本发明可以准确判断电力设备运行状态异常情况，及时提醒管理员做出相应的处理，保证电力设备安全可靠的运行。

主权项

一种基于支持矩阵机的电力设备红外图像异常识别方法，其特征在于：步骤如下：步骤1：采集n张大小相同的电力设备的红外图像{X1,X2,...,Xn}作为训练样本；步骤2：将训练样本红外图像按下式进行灰度归一化：其中Xi表示第i张红外图像，其大小为p×q，Xi(R)表示第i张红外图像的红色分量，Xi(G)表示第i张红外图像的绿色分量，Xi(B)表示第i张红外图像的蓝色分量。然后根据每张电力设备红外图像的异常情况加入标签yi∈{‑1,1}，其中yi＝‑1表示第i幅红外图像的电力设备运行情况正常，yi＝1则表示第i幅红外图像的电力设备运行情况异常，由此建立训练样本数据集步骤3：采用支持矩阵机的方法构造一个超平面WT·X+b，将红外图像按异常情况进行分类，其中W为超平面的法线，b为超平面的偏差，WT为W的转置；超平面的法线W和偏差b具体求解过程如下：(1)构造如下求解方程：且S‑W＝0其中tr(WTW)表示求矩阵的迹，C和τ为比例系数，S为超平面法线的等价值，||S||*为核范数，[u]+表示损失函数；(2)求解和步骤(1)构造的约束方程对应的扩展拉格朗日表达式L1：其中ρ为惩罚因子，Λ为对角矩阵；(3)使用交替方向乘子法迭代更新求解超平面的法线W和偏差b，具体步骤如下：1)输入训练样本数据集超平面法线的迭代初始化值为零矩阵、迭代初始化参数为主对角为1的矩阵，迭代初始化参数t(1)＝1，迭代初始化参数c(0)＝0，惩罚因子ρ＞0，控制因子η∈(0,1)，迭代次数k＝1；2)更新第k次迭代参数Λ(k)和第k次迭代特征值c(k)其中W(k)为第k次迭代超平面的法线，b(k)为第k次迭代超平面的偏差，符号Dτ表示对矩阵进校奇异值分解后，中间对角矩阵减去τ,即Sτ[ΣA]＝diag([σ1(A)‑τ]+,...,[σr(A)‑τ]+)；3)比较第k次迭代特征值c(k)和k‑1次迭代调整特征值ηc(k‑1)，如果c(k)＜ηc(k‑1)则否则其中t(k+1)为第k+1次迭代因子，为第k+1次迭代超平面法线等价迭代值，为第k+1次迭代参数迭代值；4)k＝k+1，重复步骤2)‑3)n次，最终得到超平面的法线W和偏差b；步骤4：预测新的电力设备红外图像的异常情况，同步骤2，将m张预测样本进行灰度归一化得到预测样本数据集步骤5：根据步骤3计算得到的超平面的法线W和偏差b来估计输出数据ynew，如下式所示：其中为映射函数，表示第i幅红外图像的电力设备运行情况正常，则表示第i幅红外图像的电力设备运行情况异常。