基于改进实例分割与深度神经网络温度拟合的电力设备热故障诊断研究

郑含博; 胡钧浩; 李金恒; 梁炎燊; 黄俊杰

doi:10.15938/j.emc.2025.02.012

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于改进实例分割与深度神经网络温度拟合的电力设备热故障诊断研究

更新时间：2025-10-13

- 基于改进实例分割与深度神经网络温度拟合的电力设备热故障诊断研究
- Thermal fault diagnosis of power equipment through improved instance segmentation and deep neural network temperature fitting
- “电力设备热故障诊断领域迎来新突破，专家提出基于实例分割与温度拟合的诊断方法，构建红外图像数据集，优化实例分割模型，提升拟合精度，制定热故障自动诊断算法，有效保障电力系统安全稳定运行。”
- 电机与控制学报 2025年29卷第2期页码：116-125
- 作者机构：
  
  广西大学广西电力系统最优化与节能技术重点实验室，广西南宁 530004
  国网湖北省电力公司电力科学研究院，湖北武汉 430077
- 作者简介：
  
  通信作者郑含博
  胡钧浩（1999—），男，硕士，研究方向为电力设备图像识别与智能诊断；
  李金恒（1996—），男，博士研究生，研究方向为输变电设备的视觉监测及状态评估；
  梁炎燊（2001—），男，硕士研究生，研究方向为输电通道视频压缩技术；
  黄俊杰（1976—），男，博士，高级工程师，研究方向为电力设备图像识别与智能诊断。
- 基金信息：
  
  国家自然科学基金(52367014;52277139);广西杰出青年科学基金(2024GXNSFFA999017)
- DOI：10.15938/j.emc.2025.02.012
  中图分类号： TM85
- 收稿：2023-09-04，
  
  纸质出版：2025-02
- 稿件说明：
移动端阅览
郑含博, 胡钧浩, 李金恒, 等. 基于改进实例分割与深度神经网络温度拟合的电力设备热故障诊断研究[J]. 电机与控制学报, 2025,29(2):116-125.

ZHENG Hanbo, HU Junhao, LI Jinheng, et al. Thermal fault diagnosis of power equipment through improved instance segmentation and deep neural network temperature fitting[J]. Electric Machines and Control, 2025, 29(2): 116-125.
郑含博, 胡钧浩, 李金恒, 等. 基于改进实例分割与深度神经网络温度拟合的电力设备热故障诊断研究[J]. 电机与控制学报, 2025,29(2):116-125. DOI： 10.15938/j.emc.2025.02.012.

ZHENG Hanbo, HU Junhao, LI Jinheng, et al. Thermal fault diagnosis of power equipment through improved instance segmentation and deep neural network temperature fitting[J]. Electric Machines and Control, 2025, 29(2): 116-125. DOI： 10.15938/j.emc.2025.02.012.

浏览量

231

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多尺度注意力驱动的轴承故障特征自适应算法

考虑电压不平衡下的同步发电机定子匝间短路故障诊断

融合轴电压-振动特征的同步电机缺陷诊断

改进infoGAN和QPSO-VGG16的小样本条件下电机轴承故障诊断方法

基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断

基于改进实例分割与深度神经网络温度拟合的电力设备热故障诊断研究

Thermal fault diagnosis of power equipment through improved instance segmentation and deep neural network temperature fitting

DOI：10.15938/j.emc.2025.02.012