基于红外和紫外光电传感融合的电气设备故障检测方法与流程

技术特征：

1.一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，该方法包括以下步骤：

S1、系统进行开机自检；

S2、系统通过自检后进入步骤S3，若未通过，则发出警报；

S3、红外温度传感器获得温度特征量数据并发送给计算机，紫外光电传感器获得放电特征量数据并发送给计算机；

S4、判断根据S3中的单一特征量数据是否得出立即安排检修的故障状态结论，若是，则发出警报并存储数据；若否，则继续进行步骤S5；

S5、对步骤S3中获得的放电特征量数据采用分为图法筛选，并将筛选后的放电特征量数据求取平均值得到平均放电量数据；

S6、将步骤S3中的温度特征量数据和步骤S5中的平均放电量数据输入神经网络进行融合故障判断，得出检测状态结论，若结论为立即安排检修，则发出警报并存储数据，若为其他结论则直接存储数据。

2.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，步骤S6所述的融合故障判断具体为：将步骤S3中的温度特征量数据和步骤S5中的平均放电量数据通过premnmx函数进行归一化处理，并输入神经网络进行判断，得出检测状态结论，神经网络输入输出关系如下：

${\mathrm{net}}_j=\underset{i=1}{\overset{a}{\Σ}}{\mathrm{\ω}}_{ji}{x}_i-c,j=1,\mathrm{......},b$

$y_k=\underset{j=1}{\overset{b}{\Σ}}{w}_{kj}{\mathrm{net}}_j,k=1,\mathrm{......},c$

式中，net_j为第j个隐含层神经元节点值；

x_i为输入层第i个数据，即温度特征量数据和平均放电量数据；

ω_ji为输入层第i个数据x_i与隐含层第j个神经元节点的权值；

c为偏置量；

y_k为神经网络输出值，即表示故障状态结论的值；

w_kj为第k个输出y_k与隐含层第j个神经元节点net_j的权值。

3.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的故障状态结论分为三个等级，包括：

a.状态良好；

b.优先安排检修；

c.立即安排检修。

4.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的紫外光电传感器获得放电特征量数据的过程为：

通过紫外光电传感器获得脉冲数据并利用下面计算公式得到放电特征量数据，将放电特征量数据发送给计算机，计算公式为：

$Q=(3.469d-54.07)\exp \[(\frac{0.049}{d}+0.02)N\]$

其中，Q为放电特征量数据；N为脉冲个数值；d为紫外光电传感器与测量点垂直距离。

5.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的开机自检包括设备通信功能自检、红外温度传感器自检和紫外光电传感器自检。

6.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，该方法还包括预警步骤，即根据步骤S3中的温度特征量数据和放电特征量数据预测下一时刻的温度特征量数据和放电特征量数据，并进行数据存储和预警。

7.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的红外温度传感器、紫外光电传感器与直流电源、电平转换电路、电压比较器、单片机集成在一起构成检测终端，所述的检测终端通过无线传输方式与计算机连接。

8.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的红外温度传感器型号为MLX90614ESF-DCI。

9.根据权利要求7所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述单片机设有与之相连的故障指示灯和扬声器。