局部放电模式识别方法概述

模式识别技术是伴随着计算机的研究、应用日益发展起来的。模式是对某些感兴趣的客体的定量的或结构的描述，模式类是具有某些共同特性的模式的集合，模式识别的目的，就是利用机器把待识别模式自动地分配到各自的模式类中去。

广义的模式识别包括对描述被识别对象的信号的引出、量化、预处理(滤除干扰和噪声)、特征提取和模式分类。其中模式分类是在前几步工作的基础上，把被识别对象归并分类，确认其为何种模式的过程，其方法大致可分为统计决策法、句法结构法、模糊判决法、人工神经网络法四类。对于模式可用特征向量描述的模式识别问题，统计决策法发展得较为成熟，是经典的模式分类法；模糊判决法和人工神经网络法正处于研究阶段，尤其是神经网络法以其全局相关的特点引起了广大研究者的青睐；句法结构法目前对该问题尚不适用。

研究局部放电现象与绝缘缺陷之间的关系，是局部放电模式识别的主要目的。局部放电图像模式识别，是将一般图像模式识别的方法引入局部放电模式识别中，从图像识别的角度来区分局部放电类型。下图描述了局部放电模式识别的基本过程，可以大致分为数据获取、预处理、放电模式构造、特征提取和模式分类五个主要部分，由计算机最终完成局部放电模式分类就实现了局部放电模式识别。下面从放电模式构造、特征提取、模式识别三个方面介绍局部放电模式自动识别研究的发展现状。