基于高光譜技術(shù)的復(fù)合絕緣子表面老化程度評(píng)估

張血琴 張玉翠 郭裕鈞 劉 凱 吳廣寧

基于高光譜技術(shù)的復(fù)合絕緣子表面老化程度評(píng)估

張血琴 張玉翠 郭裕鈞 劉 凱 吳廣寧

（西南交通大學(xué)電氣工程學(xué)院 成都 611756）

針對(duì)現(xiàn)有絕緣老化檢測(cè)尚無(wú)一種便捷快速的方法，該文提出一種基于高光譜技術(shù)的復(fù)合絕緣子表面老化程度的非接觸、快速無(wú)損檢測(cè)評(píng)估方法。首先，通過(guò)對(duì)不同老化程度樣品進(jìn)行傅里葉紅外測(cè)試，分析樣品表面的基團(tuán)變化以及對(duì)憎水性的影響；其次，利用高光譜成像儀（900～1 700nm）獲取老化樣本光譜信息，結(jié)合傅里葉中紅外光譜，確定老化樣本基團(tuán)變化和光譜信息的對(duì)應(yīng)關(guān)系，從而對(duì)老化程度進(jìn)行定性分析；最后，基于深度極限學(xué)習(xí)機(jī)建立絕緣子老化程度評(píng)估模型，并對(duì)60組待測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)對(duì)絕緣子老化程度精確分級(jí)，分類準(zhǔn)確率達(dá)96.67%，與BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)模型對(duì)比，表明該文所用模型可兼?zhèn)淇焖傩院蜏?zhǔn)確性，為實(shí)現(xiàn)外絕緣表面老化程度的在線檢測(cè)提供了新思路。

復(fù)合絕緣子 老化程度 高光譜技術(shù) 傅里葉紅外測(cè)試 深度極限學(xué)習(xí)機(jī)

0 引言

硅橡膠復(fù)合絕緣子因其優(yōu)良的憎水性和防污閃性能，近幾十年來(lái)在電力系統(tǒng)中得到大規(guī)模的應(yīng) 用[1-4]。然而硅橡膠復(fù)合絕緣子在實(shí)際運(yùn)行中面臨各種嚴(yán)酷環(huán)境，使得其極易在環(huán)境惡劣地區(qū)產(chǎn)生材料的老化劣化，導(dǎo)致絕緣子性能降低。尤其高海拔環(huán)境下，空氣稀薄，紫外線強(qiáng)度遠(yuǎn)遠(yuǎn)高于其他地區(qū)，紫外輻射成為絕緣子老化的重要影響因素[5-6]。紫外線因其較短的波長(zhǎng)和較大的光子能量，能夠使硅橡膠材料高分子聚合物的部分化學(xué)鍵斷裂，改變材料的理化特性，直接表現(xiàn)為絕緣子表面憎水性降低，發(fā)生龜裂、粉化、表面粗糙度增加等，使得閃絡(luò)電壓降低，容易引發(fā)電網(wǎng)故障，造成極大的經(jīng)濟(jì)損失[7-9]。

目前對(duì)于高海拔強(qiáng)紫外線等嚴(yán)酷環(huán)境的外絕緣檢測(cè)，主要分為直接法和間接法。直接法一般有絕緣電阻法、電場(chǎng)測(cè)量法、脈沖電流法等。絕緣電阻法是通過(guò)測(cè)量泄漏電流實(shí)現(xiàn)的，然而泄漏電流會(huì)受到天氣、污穢程度等多種因素影響，測(cè)量準(zhǔn)確性會(huì)受到一定影響；電場(chǎng)測(cè)量法通過(guò)測(cè)量絕緣子串簡(jiǎn)化電場(chǎng)模型的軸向電場(chǎng)分布，找出絕緣子的內(nèi)絕緣通導(dǎo)性故障；脈沖電流法通過(guò)測(cè)量絕緣子電暈脈沖電流來(lái)判斷其絕緣狀況。直接法表現(xiàn)出來(lái)的明顯不足是測(cè)量效率較低，常需要工作人員登桿操作，十分不便，安全系數(shù)也不高[10]。此時(shí)非接觸式在線監(jiān)測(cè)方法顯示出明顯優(yōu)勢(shì)。非接觸式主要包括紫外成像法、紅外成像法和X射線成像法等[11-12]，這些方法仍存在一些缺陷，如紫外成像和紅外熱像是通過(guò)測(cè)量電、熱這種間接信號(hào)的特性來(lái)反映絕緣子狀態(tài)，且紫外成像必須在夜間進(jìn)行，不利于檢測(cè)的開(kāi)展[13]。因此，尋找一種更加便捷直接的非接觸、快速無(wú)損傷檢測(cè)硅橡膠材料老化的手段，對(duì)于維護(hù)電力系統(tǒng)安全穩(wěn)定運(yùn)行具有重要意義。

高光譜技術(shù)將成像技術(shù)和光譜技術(shù)有機(jī)結(jié)合，可以對(duì)紫外光、可見(jiàn)光、近紅外光和中紅外光區(qū)域的電磁波以多個(gè)連續(xù)細(xì)分波段進(jìn)行成像，具有很高的波譜分辨率，且同時(shí)包含圖像和光譜信息，對(duì)檢測(cè)對(duì)象建立波譜庫(kù)后，可對(duì)樣本直接進(jìn)行在線檢測(cè)而無(wú)需制樣，近年來(lái)不僅在遙感領(lǐng)域發(fā)揮了巨大作用，在工農(nóng)業(yè)乃至更多行業(yè)領(lǐng)域也展現(xiàn)了巨大應(yīng)用潛力[14-15]。王家云等運(yùn)用高光譜成像技術(shù)實(shí)現(xiàn)了灘羊肉內(nèi)部品質(zhì)的無(wú)損檢測(cè)[16]；邵瑰瑋等利用高光譜技術(shù)采集復(fù)合絕緣子400～1 000nm波段的圖譜信息，采用主成分分析法構(gòu)建特征空間，并建立神經(jīng)網(wǎng)絡(luò)模型對(duì)幾個(gè)不同粉化程度的絕緣子進(jìn)行分 類[17]。本文運(yùn)用高光譜技術(shù)對(duì)人工紫外老化的硅橡膠絕緣片進(jìn)行檢測(cè)，采集不同老化狀態(tài)下原始圖譜數(shù)據(jù)并進(jìn)行處理，結(jié)合傅里葉紅外光譜（Fourier Transform Infrared, FTIR）相關(guān)數(shù)據(jù)，分析不同老化程度對(duì)應(yīng)于高光譜譜線的響應(yīng)機(jī)制和特征變化，最后運(yùn)用深度極限學(xué)習(xí)機(jī)（Deep Extreme Learning Machine, DELM）算法，建立復(fù)合絕緣子表面老化程度評(píng)估模型并對(duì)樣本進(jìn)行老化程度劃分。研究結(jié)果給絕緣子表面老化狀態(tài)的在線檢測(cè)和評(píng)估提供了新方法和新依據(jù)。

1 紫外加速老化平臺(tái)及樣品制備

本文針對(duì)高原環(huán)境紫外強(qiáng)度遠(yuǎn)高于普通環(huán)境的特點(diǎn)，參照國(guó)際電工委員會(huì)標(biāo)準(zhǔn)IEC 61109-2008[18]的試驗(yàn)方法及參數(shù)，搭建了人工紫外加速老化平臺(tái)，并對(duì)紫外老化平臺(tái)與高原環(huán)境的紫外輻射進(jìn)行等效換算，對(duì)樣品進(jìn)行0～500h的人工紫外加速老化試驗(yàn)。

1.1 人工紫外加速老化平臺(tái)

1.1.1 光源及濾光

在我國(guó)高原地區(qū)（青藏、云貴等地）紫外輻射占太陽(yáng)到達(dá)大氣上界總輻射的8%[19]，經(jīng)大氣層的散射和吸收后，達(dá)到地表的紫外線主要是長(zhǎng)波紫外（UVA，320～400nm）部分，僅占太陽(yáng)光譜輻射量的1%～2%[20-21]。由于目前市面可用作試驗(yàn)光源的氙燈，其波段范圍較廣，因而更適用于模擬太陽(yáng)光照射[19, 22]，為了更好地模擬長(zhǎng)波紫外光對(duì)樣品老化特性的影響，本文選用紫外高壓汞燈作為試驗(yàn)光源，燈管主波峰為365nm。此外，為了降低樣品受光源外的光干擾以及更好地控制樣品區(qū)的溫度，在紫外老化試驗(yàn)箱載物臺(tái)上方加上石英玻璃作為濾光片，其具有優(yōu)良的透紫外光性能，并且還有一定的隔熱作用，同時(shí)濾除部分紅外光，使樣品接受到充足紫外輻射的同時(shí)更利于保持工作區(qū)的正常溫度。

1.1.2 試驗(yàn)平臺(tái)結(jié)構(gòu)

為避免紫外線直接照射人體發(fā)生一系列生理變化，需要用一箱體將紫外線密封，防止紫外線泄漏，對(duì)人員造成傷害。根據(jù)試驗(yàn)的要求，對(duì)箱體的結(jié)構(gòu)進(jìn)行了設(shè)計(jì)。本次試驗(yàn)所設(shè)計(jì)的箱體為矩形箱體，長(zhǎng)500mm、寬300mm、高500mm。箱體采用拋光不銹鋼材料制成，不僅有良好的機(jī)械強(qiáng)度和耐腐蝕能力，還能反射紫外光使其聚攏在箱內(nèi)。人工紫外老化平臺(tái)整體示意圖如圖1所示。

在箱體背面和燈管上部裝設(shè)冷風(fēng)機(jī)，采用風(fēng)冷的方式，可以使工作室溫度穩(wěn)定在(35±5)℃的正常工作溫度，保證試驗(yàn)效果。箱底安裝手搖式升降載物臺(tái)，通過(guò)控制載物臺(tái)高度改變樣本表面紫外輻射強(qiáng)度，并在箱內(nèi)安裝紫外功率密度計(jì)、溫濕度計(jì)等檢測(cè)儀器，便于隨時(shí)記錄試驗(yàn)過(guò)程中環(huán)境參數(shù)。

圖1 紫外老化平臺(tái)示意圖

1.2 樣品制備

對(duì)我國(guó)青藏地區(qū)，太陽(yáng)輻射總量約6 500～6 700MJ/m2每年[23]，光照功率密度可用表示，有

式中，為年太陽(yáng)輻射的總量；為天數(shù)；為日照小時(shí)數(shù)；為1h的秒鐘數(shù)。此處=365，=8h，= 3 600。

由于環(huán)境因素，紫外輻射約占太陽(yáng)總輻射的3%[24]，由紫外功率密度計(jì)測(cè)得紫外功率密度約為45mW/cm2，因而可以將試驗(yàn)箱老化時(shí)間總輻射量與自然老化進(jìn)行換算比較，老化箱125.9h的輻射量約為高原上運(yùn)行1年的輻射量。

本次試驗(yàn)樣品為從同一塊原始高溫硫化（High Temperature Vulcanized, HTV）硅橡膠裁剪而來(lái)的25mm×50mm×5mm的絕緣片，其表面呈紅色。為保證試驗(yàn)的準(zhǔn)確性，準(zhǔn)備了兩組完全相同的HTV硅橡膠樣品，并同時(shí)進(jìn)行試驗(yàn)，保證試驗(yàn)結(jié)果的準(zhǔn)確性。每組樣品分為1～6號(hào)，紫外光照射時(shí)間分別設(shè)置為0h、100h、200h、300h、400h、500h，即每間隔100h放入一號(hào)樣品直至500h。老化結(jié)束后樣品情況如圖2所示，可以看出，隨老化時(shí)間增加，表面粗糙度逐漸增大，顏色逐漸加深變黑，硬度增大并出現(xiàn)裂紋。

以紫外光波長(zhǎng)計(jì)算光子能量，可得本試驗(yàn)用高壓汞燈的光子能量最高的可達(dá)到500kJ/mol以上，而主鏈Si-O鍵能為446kJ/mol，側(cè)鏈上Si-C鍵能為301kJ/mol，甲基中C-H鍵能為413kJ/mol[25]，根據(jù)紫外光子能量估計(jì)，在老化試驗(yàn)過(guò)程中，紫外能量可以使得硅橡膠材料發(fā)生裂解。

圖2 老化結(jié)束后絕緣子表面圖

為了解樣品表面基團(tuán)變化，潔凈老化后樣品表面，并置于清潔干燥環(huán)境中一段時(shí)間待其性質(zhì)穩(wěn)定，對(duì)其進(jìn)行FTIR測(cè)試。以樣品對(duì)角線的交點(diǎn)為中心點(diǎn)，中心點(diǎn)與各頂角連線的一半位置取出4個(gè)點(diǎn)，如此每個(gè)樣品取出5個(gè)采樣點(diǎn)，對(duì)其進(jìn)行FTIR光譜采集，每個(gè)樣品得到5組譜線，分別對(duì)譜線取平均值后不同老化時(shí)間樣品的FTIR譜線如圖3所示。

圖3 不同老化時(shí)間樣品的FTIR平均譜線

由圖3可以看出，在波數(shù)為600～4 000cm-1傅里葉紅外光譜上，隨著老化時(shí)間的增加，沒(méi)有產(chǎn)生新的峰，且各個(gè)峰的位置在橫向上沒(méi)有發(fā)生偏移，但幾個(gè)代表基團(tuán)對(duì)應(yīng)的吸收峰峰高和峰面積均發(fā)生變化，即其相對(duì)含量隨老化時(shí)間增加而發(fā)生改變。其中，硅橡膠主鏈基團(tuán)Si-O-Si、側(cè)鏈基團(tuán)Si-CH3、甲基中C-H鍵以及材料中的羥基都隨老化時(shí)間增加而呈現(xiàn)下降趨勢(shì)，其相對(duì)含量與老化程度呈負(fù)相關(guān)[25]；而C=O鍵則呈現(xiàn)上升趨勢(shì)，其相對(duì)含量與老化程度呈正相關(guān)。硅橡膠復(fù)合絕緣子主要成分為聚二甲基硅氧烷，分子中甲基基團(tuán)對(duì)稱分布于主鏈兩側(cè)屏蔽了Si-O鍵的強(qiáng)極性，整個(gè)材料對(duì)外呈現(xiàn)良好的憎水性。而老化后化學(xué)鍵發(fā)生斷裂，改變了原有的對(duì)稱長(zhǎng)鏈分子結(jié)構(gòu)，材料表面物質(zhì)結(jié)構(gòu)改變，使得老化后樣品憎水性降低，因此憎水性可作為表征老化程度的一個(gè)宏觀參量。

對(duì)樣品表面進(jìn)行憎水性測(cè)試以及外觀顏色、粗糙度等宏觀量的統(tǒng)計(jì)。由于目前對(duì)于復(fù)合絕緣子老化程度尚無(wú)明確定量劃分的標(biāo)準(zhǔn)，因此，研究中主要結(jié)合每個(gè)老化時(shí)段期間，F(xiàn)TIR圖譜中基團(tuán)相對(duì)含量變化情況，并依據(jù)測(cè)量的表面憎水性和外觀形貌進(jìn)行樣品老化程度的標(biāo)定。按此方法，各樣品的老化程度劃分見(jiàn)表1。可以看到，老化500h的樣品噴水分級(jí)已為HC4，此時(shí)絕緣片已經(jīng)是半親水半憎水狀態(tài)，老化繼續(xù)加深將完全親水，其性能已不再滿足實(shí)際運(yùn)行要求，因此研究中將老化程度做到HC4為最高等級(jí)。

表1 復(fù)合絕緣子樣品老化程度

Tab.1 Aging degree of composite insulator samples

不同老化等級(jí)的樣品其基團(tuán)含量和物質(zhì)構(gòu)成有所差異，而高光譜圖譜能夠反映物質(zhì)成分和含量引起的微觀差異。故使用高光譜采集不同類別樣品的近紅外光譜圖像，結(jié)合FTIR圖譜進(jìn)行高光譜譜線響應(yīng)機(jī)制分析。

2 硅橡膠復(fù)合絕緣子高光譜檢測(cè)分析

高光譜是一種反射光譜，不同物質(zhì)對(duì)不同頻率光的吸收和反射不同，每種基團(tuán)只吸收某種特定頻率的光，因此在高光譜譜線上表現(xiàn)出“指紋效應(yīng)”。而老化程度不同其物質(zhì)成分和結(jié)構(gòu)必然不同，導(dǎo)致其近紅外光譜會(huì)產(chǎn)生差異，基于此利用高光譜技術(shù)對(duì)樣品進(jìn)行檢測(cè)。通過(guò)高光譜試驗(yàn)平臺(tái)對(duì)不同老化程度樣品進(jìn)行光譜信息采集，由于存在噪聲干擾與光線散射影響，對(duì)數(shù)據(jù)進(jìn)行校正處理，再對(duì)每個(gè)樣本所有譜線取平均，期望得到最能表征樣本表面狀態(tài)的譜線進(jìn)行分析。

2.1 高光譜試驗(yàn)平臺(tái)

通過(guò)高光譜試驗(yàn)平臺(tái)對(duì)潔凈后的老化樣品進(jìn)行圖譜采集。采用高光譜試驗(yàn)平臺(tái)如圖4所示，主要包括高光譜成像儀、校正白板、補(bǔ)光燈、計(jì)算機(jī)及配套軟件。高光譜成像儀內(nèi)有光學(xué)機(jī)械掃描器，可對(duì)樣品進(jìn)行線性掃描成像，成像波長(zhǎng)范圍為900～1 700nm，波譜分辨率為3.6nm。標(biāo)準(zhǔn)校正白板對(duì)該波段的光全反射，本身反射率為1，可用于后續(xù)對(duì)樣品圖像做黑白校正。

圖4 高光譜試驗(yàn)平臺(tái)模型

2.2 圖像預(yù)處理及檢測(cè)結(jié)果

2.2.1 黑白校正

在使用高光譜成像儀對(duì)樣品光譜圖像進(jìn)行采集完成后，得到原始數(shù)據(jù)是對(duì)光的絕對(duì)反射值，噪聲影響大，同時(shí)相機(jī)內(nèi)暗電流的存在也對(duì)結(jié)果有影響，應(yīng)當(dāng)對(duì)采集到的光譜信息進(jìn)行區(qū)域矯正，因此掃描標(biāo)準(zhǔn)白板，得到反射率為1的全白定標(biāo)圖像，再蓋上攝像頭蓋獲得反射率為0的全黑定標(biāo)圖像，對(duì)其進(jìn)行黑白校正。校正公式為

式中，C為校正后反射率；0為原始圖像數(shù)據(jù)；為采集到的白板反射強(qiáng)度，即白校正數(shù)據(jù)；為值接近0的全黑定標(biāo)圖像反射強(qiáng)度，即黑校正數(shù)據(jù)。

由于光線在物質(zhì)表面發(fā)生反射的同時(shí)，會(huì)有部分發(fā)生散射，故除進(jìn)行黑白校正外還需進(jìn)行散射 校正。

2.2.2 多元散射校正

為了盡可能消除散射的影響，增大光譜信噪比，對(duì)圖像進(jìn)行黑白校正后，進(jìn)一步提取樣品譜線進(jìn)行多元散射校正。在軟件中選擇每個(gè)老化樣品的感興趣區(qū)域，每個(gè)樣品隨機(jī)選擇40個(gè)不同區(qū)域，即每個(gè)樣品得到40條譜線，6個(gè)樣品共240條譜線，如圖5所示。

圖5 6個(gè)樣本共240條譜線

多元散射校正的基本原理是逐一求取不同樣品所有采樣點(diǎn)的平均光譜，并以此作為標(biāo)準(zhǔn)光譜，使每個(gè)樣品的光譜與其各自標(biāo)準(zhǔn)光譜進(jìn)行一元線性回歸運(yùn)算，獲得所有樣品相較于標(biāo)準(zhǔn)光譜的線性平移量和傾斜偏移量，并以此修正每條光譜的基線平移和偏移，提高光譜信噪比。以下為具體算法過(guò)程：

（1）計(jì)算平均光譜

（2）一元線性回歸

（3）多元散射校正

圖6為經(jīng)過(guò)黑白校正和多元散射校正后的高光譜譜線。可以看到，相同老化時(shí)間的譜線被校正到同一基線附近，減小了散射影響，物質(zhì)本身的光譜吸收信息在數(shù)據(jù)處理過(guò)程中未發(fā)生改變。但從圖中可看出，同一老化時(shí)間的樣品，其不同采樣區(qū)域譜線仍然表現(xiàn)出不同，反映了同一老化樣品的老化程度存在一定的不均勻性。

圖6 校正后的高光譜譜線

2.2.3 高光譜檢測(cè)結(jié)果分析

由于校正后譜線仍有部分重合區(qū)域，如圖6中點(diǎn)畫線框部分，不同老化時(shí)間的譜線簇出現(xiàn)交疊，為了便于觀察各老化程度在譜線上的響應(yīng)情況，對(duì)校正后的每個(gè)樣品的40條譜線取平均，最后獲得6條不同老化程度的平均譜線，如圖7所示。

圖7 不同老化時(shí)間下樣本的平均譜線

從圖7中可以看出，在整個(gè)波段范圍內(nèi)，反射率基本趨勢(shì)是隨著照射時(shí)間的增加而呈現(xiàn)逐漸下降的狀態(tài)。結(jié)合傅里葉中紅外光譜，依據(jù)基頻與倍頻的關(guān)系，高光譜整段譜線出現(xiàn)的幾個(gè)波峰波谷可以解釋為，1 150～1 250nm附近為C-H基團(tuán)三倍頻特征吸收帶，1 400～1 500nm附近為-OH二倍頻特征吸收帶，通過(guò)對(duì)該波段范圍內(nèi)高光譜譜線吸收峰面積進(jìn)行計(jì)算，獲得C-H和-OH的吸收峰面積變化情況如圖8所示。可以觀測(cè)出，紫外老化后樣本的C-H、-OH基團(tuán)逐漸減少，結(jié)合FTIR光譜，樣品部分化學(xué)鍵發(fā)生斷裂，原高聚物分子鏈?zhǔn)艿狡茐模梢酝茢啵琀TV硅橡膠隨著紫外照射時(shí)間的增加，其憎水性等性能受到影響，表面老化程度加深。為了能夠更加快速準(zhǔn)確地預(yù)測(cè)絕緣子表面老化程度，建立基于DELM的老化程度評(píng)估模型，實(shí)現(xiàn)對(duì)待測(cè)樣本表面老化程度的評(píng)估。

3 深度極限學(xué)習(xí)機(jī)模型建立與結(jié)果分析

3.1 深度極限學(xué)習(xí)機(jī)模型建立

相較于單層感知機(jī)（single layer perceptron）和支持向量機(jī)（Support Vector Machine, SVM），極限學(xué)習(xí)機(jī)（Extreme Learning Machine, ELM）的提出，對(duì)反向傳播算法（Backward Probagation, BP）進(jìn)行了改進(jìn)，在學(xué)習(xí)速率和泛化能力上具有明顯優(yōu)勢(shì)。Huang Guangbin等提出利用ELM構(gòu)建極限學(xué)習(xí)機(jī)-自動(dòng)編碼器（Extreme Learning Machine_Automatic Encoder, ELM_AE），并以一次最小二乘法替換AE中的梯度下降法，擁有極快的訓(xùn)練速度[26-27]。ELM_AE由輸入層、隱含層、輸出層構(gòu)成，包括編碼與解碼，其輸入等于輸出。當(dāng)隱含層節(jié)點(diǎn)數(shù)小于輸入層節(jié)點(diǎn)數(shù)時(shí)，將會(huì)對(duì)輸入數(shù)據(jù)維度起到一種“壓縮”效果，從而實(shí)現(xiàn)無(wú)監(jiān)督特征提取。

當(dāng)隱含層激活函數(shù)為，輸入為時(shí)，隱含層輸出為

其中

式中，分別為輸入層到隱含層的正交隨機(jī)權(quán)重與正交隨機(jī)偏置。則隱含層到輸出層權(quán)重為

式中，為正則化系數(shù)。

而深度極限學(xué)習(xí)機(jī)先采用ELM_AE進(jìn)行逐層預(yù)訓(xùn)練，然后利用訓(xùn)練好的ELM_AE初始化DELM。與其他深度學(xué)習(xí)方法的不同之處在于，DELM沒(méi)有反向調(diào)優(yōu)的過(guò)程，其模型結(jié)構(gòu)如圖9所示。DELM前-1層權(quán)值由ELM_AE輸出層權(quán)重構(gòu)成，第層為分類層，分類層權(quán)重為

式中，Hi-1為第i-1層隱含層輸出；Y為類別標(biāo)簽。

可以看出，前-1層為無(wú)監(jiān)督特征學(xué)習(xí)，第層為ELM監(jiān)督分類。

使用DELM進(jìn)行樣品表面老化狀態(tài)分類，輸入矩陣即高光譜各波段反射率數(shù)據(jù)矩陣，就可以進(jìn)行無(wú)監(jiān)督特征學(xué)習(xí)，直接訓(xùn)練出分類模型，再用訓(xùn)練出的模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行測(cè)試，輸出矩陣為6種不同老化程度的預(yù)測(cè)值。

此處原始光譜包含6類240組樣本點(diǎn)和224個(gè)波段，即輸入矩陣有224維，采用主成分分析（Principal Component Analysis, PCA）算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，使原始數(shù)據(jù)去相關(guān)性。在240組樣本數(shù)據(jù)中每類選取30組數(shù)據(jù)共180組作為訓(xùn)練數(shù)據(jù)，建立DELM的分類模型，再將剩余的每類10組數(shù)據(jù)作為測(cè)試集，用以測(cè)試DELM模型的分類效果。

3.2 結(jié)果分析

測(cè)試集的分類效果如圖10所示，可以看出，共60個(gè)樣本測(cè)試點(diǎn)中只有兩個(gè)點(diǎn)分類錯(cuò)誤，模型分類準(zhǔn)確率達(dá)到96.67%，且整個(gè)模型的訓(xùn)練時(shí)間以及測(cè)試時(shí)間合計(jì)僅有3.62s，速度快、效果好，因此，DELM分類模型可以很好地實(shí)現(xiàn)絕緣子表面老化程度的分類識(shí)別。

圖10 不同老化程度絕緣子預(yù)測(cè)結(jié)果

對(duì)此全波段數(shù)據(jù)同時(shí)采用SVM和BP的分類模型進(jìn)行紫外老化程度的劃分，選取同樣的訓(xùn)練集輸入模型進(jìn)行模型訓(xùn)練，再輸入相同的測(cè)試集，檢測(cè)模型的準(zhǔn)確率并對(duì)模型訓(xùn)練和測(cè)試進(jìn)行計(jì)時(shí)，觀測(cè)對(duì)于此類數(shù)據(jù)不同算法的用時(shí)長(zhǎng)短，并與深度極限學(xué)習(xí)機(jī)分類模型進(jìn)行比較，結(jié)果見(jiàn)表2。

表2 算法效果比較

Tab.2 Algorithm effect comparison table

SVM分類模型在計(jì)算過(guò)程中，耗時(shí)7.76s，準(zhǔn)確率為90%；BP分類模型耗時(shí)2.35s，準(zhǔn)確率為83.33%；本文所用DELM分類模型耗時(shí)3.62s，準(zhǔn)確率為96.67%。結(jié)果表明，SVM處理數(shù)據(jù)量大的老化數(shù)據(jù)時(shí)速率較低，總體準(zhǔn)確率較好但仍低于DELM。BP對(duì)于維度高的數(shù)據(jù)泛化性能不高，在數(shù)據(jù)處理時(shí)需強(qiáng)制減少算法中循環(huán)次數(shù)，耗時(shí)雖少，但誤差較大，準(zhǔn)確率降低。總體而言，DELM分類模型能夠在較短時(shí)間里達(dá)到較高的準(zhǔn)確率，在學(xué)習(xí)速率和泛化能力上具有優(yōu)勢(shì)，可以快速準(zhǔn)確地對(duì)不同紫外老化程度的復(fù)合絕緣子進(jìn)行分類，可對(duì)絕緣子老化程度的在線檢測(cè)提供技術(shù)參考。

4 結(jié)論

本文使用人工紫外加速老化試驗(yàn)箱對(duì)HTV硅橡膠樣品進(jìn)行加速老化試驗(yàn)，并用高光譜技術(shù)對(duì)加速老化后樣品的老化狀態(tài)進(jìn)行檢測(cè)，用DELM分類模型對(duì)老化樣品進(jìn)行評(píng)估，得到以下結(jié)論：

1）人工紫外加速老化試驗(yàn)箱可以較好地模擬高原環(huán)境長(zhǎng)波紫外對(duì)樣品的影響，老化后樣品表面粗糙度增大、顏色逐漸加深以及變黑、硬度增大并出現(xiàn)裂紋。

2）樣本老化程度的不同反映在高光譜譜線上有顯著差異，最明顯的波段是代表C-H基團(tuán)三倍頻特征吸收帶的1 150～1 250nm和代表-OH二倍頻特征吸收帶的1 400～1 500nm，全波段反射率整體趨勢(shì)為隨老化時(shí)間增加而降低。

3）基于全波段數(shù)據(jù)的深度極限學(xué)習(xí)機(jī)分類模型可以實(shí)現(xiàn)對(duì)不同老化時(shí)長(zhǎng)的復(fù)合絕緣子進(jìn)行表面老化程度的分類，準(zhǔn)確率可達(dá)96.67%，且訓(xùn)練速度快、泛化性好，為絕緣子老化狀態(tài)在線檢測(cè)提供了新思路。

[1] 夏云峰, 宋新明, 何建宗, 等. 復(fù)合絕緣子用硅橡膠老化狀態(tài)評(píng)估方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(增刊1): 440-448.

Xia Yunfeng, Song Xinming, He Jianzong, et al. Evaluation method of aging for silicone rubber of composite insulator[J]. Transactions of China Elec- trotechnical Society, 2019, 34(S1): 440-448.

[2] 邱彥, 張血琴, 郭裕鈞, 等. 基于高光譜技術(shù)的絕緣子污穢等級(jí)檢測(cè)方法[J]. 高電壓技術(shù), 2019, 45(11): 3587-3594.

Qiu Yan, Zhang Xueqin, Guo Yujun, et al. Detection method of insulator contamination grades based on hyperspectral technique[J]. High Voltage Engineering, 2019, 45(11): 3587-3594.

[3] 張志勁, 張翼, 蔣興良, 等. 自然環(huán)境不同年限復(fù)合絕緣子硅橡膠材料老化特性表征方法研究[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(6): 1368-1376.

Zhang Zhijin, Zhang Yi, Jiang Xingliang, et al. Study on aging characterization methods of composite insulators aging in natural environment for different years[J]. Transactions of China Electrotechnical Society, 2020,35(6): 1368-1376.

[4] Samuel A, Frank S, Konstantin O P. Improved silicone rubbers for the use as housing material in composite insulators[J]. IEEE Transactions on Die- lectrics and Electrical Insulation, 2012, 19(1): 209- 211.

[5] 劉丁華. 高海拔環(huán)境紫外輻射對(duì)硅橡膠材料性能的影響[D]. 北京: 華北電力大學(xué), 2015.

[6] 覃永雄, 虞瀾, 傅佳, 等. 長(zhǎng)波紫外照射下高溫硫化硅橡膠的微觀物性及憎水性研究[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(12): 242-250.

Qin Yongxiong, Yu Lan, Fu Jia, et al. Research on microscopic properties and hydrophobicity of high temperature vulcanization silicone rubber under long-wave ultraviolet radiation[J]. Transactions of China Electrotechnical Society, 2014, 29(12): 242- 250.

[7] 肖雄, 王建國(guó), 吳照國(guó), 等. 等離子體作用后硅橡膠憎水性恢復(fù)及憎水遷移特性研究[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(增刊1): 433-439.

Xiao Xiong, Wang Jianguo, Wu Zhaoguo, et al. Study on hydrophobicity recovery and hydrophobicity transfer of plasma treated silicone rubber[J]. Transa- ctions of China Electrotechnical Society, 2019, 34(S1): 433-439.

[8] 汪佛池, 律方成, 楊升杰, 等. 基于FTIR的110kV復(fù)合絕緣子硅橡膠傘裙老化性能分析[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(8): 297-303.

Wang Fochi, Lü Fangcheng, Yang Shengjie, et al. The aging characteristic of silicon rubber sheds of 110kV composite insulators based on FTIR test[J]. Transactions of China Electrotechnical Society, 2015, 30(8): 297-303.

[9] 左國(guó)玉, 馬蕾, 徐長(zhǎng)福, 等. 基于跨連接卷積神經(jīng)網(wǎng)絡(luò)的絕緣子檢測(cè)方法[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(4): 101-108.

Zuo Guoyu, Ma Lei, Xu Changfu, et al. Insulator detection method based on cross-connected con- volutional neural network[J]. Automation of Electric Power Systems, 2019, 43(4): 101-108.

[10] 朱虎, 李衛(wèi)國(guó), 林冶. 絕緣子檢測(cè)方法的現(xiàn)狀與發(fā)展[J]. 電瓷避雷器, 2006(6): 13-17.

Zhu Hu, Li Weiguo, Lin Ye. Present and future development of detection methods for composite insulator[J]. Insulators and Surge Arresters, 2006(6): 13-17.

[11] 張冠軍, 趙林, 周潤(rùn)東, 等. 硅橡膠復(fù)合絕緣子老化表征評(píng)估研究的現(xiàn)狀與進(jìn)展[J]. 高壓電器, 2016, 52(4): 1-15.

Zhang Guanjun, Zhao Lin, Zhou Rundong, et al. Review on aging characterization and evaluation of silicon rubber composite insulator[J]. High Voltage Apparatus, 2016, 52(4): 1-15.

[12] 譚宇翔, 任海燕. 基于傅立葉紅外光譜法的復(fù)合絕緣子老化程度診斷研究[J]. 電氣自動(dòng)化, 2013, 35(1): 91-94.

Tan Yuxiang, Ren Haiyan. Study on diagnosis of composite insulators' degree of aging based on Fourier transform infrared spectroscopy test method[J]. Electrical Automation, 2013, 35(1): 91-94.

[13] 張血琴, 高潤(rùn)明, 郭裕鈞, 等. 基于高光譜的復(fù)合絕緣子電暈老化狀態(tài)評(píng)估[J]. 西南交通大學(xué)學(xué)報(bào), 2020, 55(2): 442-449.

Zhang Xueqin, Gao Runming, Guo Yujun, et al. Composite insulator corona aging status evaluation based on hyperspectral[J]. Journal of Southwest Jiaotong University, 2020, 55(2): 442-449.

[14] 童慶禧, 張兵, 鄭蘭芬, 等. 高光譜遙感—原理、技術(shù)與應(yīng)用[M]. 北京: 高等教育出版社, 2006.

[15] 孫俊, 金夏明, 毛罕平, 等. 高光譜圖像技術(shù)在摻假大米檢測(cè)中國(guó)的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(21): 301-307.

Sun Jun, Jin Xiaming, Mao Hanping, et al. Application of hyperspectral image technology in detection of adulterated rice[J]. Journal of Agricu- ltural Engineering, 2014, 30(21): 301-307.

[16] 王家云, 王松磊, 賀曉光, 等. 基于NIR高光譜成像技術(shù)的灘羊肉內(nèi)部品質(zhì)無(wú)損檢測(cè)[J]. 現(xiàn)代食品科技, 2014, 30(6): 257-262, 249.

Wang Jiayun, Wang Songlei, He Xiaoguang, et al. Nondestructive detection for internal qualities of tan-sheep meat using NIR hyperspectral imaging technique[J]. Modern Food Technology, 2014, 30(6): 257-262, 249.

[17] 邵瑰瑋, 付晶, 陳怡, 等. 基于圖譜特征的復(fù)合絕緣子老化神經(jīng)網(wǎng)絡(luò)評(píng)估方法[J]. 高電壓技術(shù), 2014, 40(3): 861-867.

Shao Guiwei, Fu Jing, Chen Yi, et al. Aging assessment method of composite insulator using neural network based on image and spectra characteristic[J]. High Voltage Engineering, 2014, 40(3): 861-867.

[18] International Electrotechnical Commission. IEC- 61109-2008. Insulators for overhead lines-composite suspension and tension insulators for a.c. systems with a nominal voltage greater than 1000V— definitons, test methods and acceptance criteria[S]. IEC, 2008.

[19] 胡行俊. 紫外光與合成材料的光老化[J]. 裝備環(huán)境工程, 2006, 3(2): 38-41.

Hu Xingjun. UV-irradiation and photoaging of syntheticm aterials[J]. Equipment Environmental Engineering, 2006, 3(2): 38-41.

[20] 王晶, 候紅英. 青島地區(qū)太陽(yáng)紫外線輻射研究[J]. 中國(guó)海洋大學(xué)學(xué)報(bào), 2006, 36(4): 671-676.

Wang Jing, Hou Hongying. Research of solar ultraviolet radiation in the Qingdao region[J]. Periodi- cal of Ocean University of China, 2006, 36(4): 671- 676.

[21] 吳兌. 太陽(yáng)紫外線輻射及其生物效應(yīng)[J]. 氣象, 2001, 26(4): 54-55.

Wu Dui. Surface sunny ultraviolet radiation and biology effect[J]. Meteorological, 2001, 26(4): 54-55.

[22] 莊海仁, 何文生, 林瑪麗. 國(guó)內(nèi)外實(shí)驗(yàn)室光源加速老化試驗(yàn)設(shè)備[J]. 合成材料老化與應(yīng)用, 2007, 36(4): 48-50.

Zhuang Hairen, He Wensheng, Lin Mali. Domestic and foreign laboratories light source accelerated aging test equipment[J]. Synthetic Materials Aging and Application, 2007, 36(4): 48-50.

[23] 趙翮選, 趙書榮, 王聯(lián)章, 等. 高海拔地區(qū)紫外輻射對(duì)硅橡膠復(fù)合絕緣子老化的影響[J]. 華北電力技術(shù), 2009(3): 10-13.

Zhao Hexuan, Zhao Shurong, Wang Lianzhang, et al. Influence of UV-irradiation on degradation of siliconerubber composite insulators in high-altitude regions[J]. North China Power Technology, 2009(3): 10-13.

[24] 鄭小波, 王學(xué)鋒, 羅宇翔, 等. 1961—2005年云貴高原太陽(yáng)輻射變化特征及其影響因子[J]. 氣候與環(huán)境研究, 2011, 16(5): 657-664.

Zheng Xiaobo, Wang Xuefeng, Luo Yuxiang, et al. Variation characteristics of global radiation and the associated climatic factors over Yunnan-Guizhou plateau in the southwestern part of China for 1961-2005[J]. Climatic and Environmental Research, 2011, 16(5): 657-664.

[25] 高巖峰, 王家福, 梁曦東, 等. 交直流電暈對(duì)高溫硫化硅橡膠性能的影響[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(1): 274-284.

Gao Yanfeng, Wang Jiafu, Liang Xidong, et al. Influence of AC and DC corona on high temperature vulcanized silicone rubber[J]. Proceedings of the CSEE, 2016, 36(1): 274-284.

[26] Huang Guangbin, Zhu Qinyu, Siew C. Extreme learning machine: a new learning scheme of feed- forward neural networks[C]//IEEE International Joint Conference on Neural Networks, 2004: 985-990.

[27] Tang Jiexiong, Deng Chenwei, Huang Guangbin. Extreme learning machine for multilayer percep- tron[J]. IEEE Transactions on Neural Networks and Learning Systems, 2015, 27(4): 809-821.

Aging Degree Evaluation of Composite Insulator Based on Hyperspectral Technology

（School of Electrical Engineering Southwest Jiaotong University Chengdu 611756 China）

There is no convenient and fast method for the insulation aging degree detection. In this paper, a non-contact and fast non-destructive testing method for surface aging of composite insulators based on hyperspectral technology is proposed. Firstly, Fourier-infrared tests were carried out on samples with different aging degrees, and the group changes on the surface of the samples and the influence on hydrophobicity were analyzed. Secondly, the hyperspectral imager (900～1 700nm) was used to obtain the spectral information of the aged samples. Combined with the Fourier mid-infrared spectroscopy, the relationship between the group content and the spectral information of the aged samples was determined, so as to qualitatively analyze the degree of aging. Finally, an aging degree evaluation model based on the deep extreme learning machine was established, and 60 groups of data to be tested were predicted to achieve accurate grading of the insulator aging degree. The classification accuracy rate was 96.67%. Compared with BP neural network model and support vector machine model, it is shown that the model used in this paper has both rapidity and accuracy, which provides a new idea for on-line detection of the aging degree of external insulation surface.

Composite insulator, aging degree, hyperspectral technology, Fourier transform infrared, deep extreme learning machine

TM216

10.19595/j.cnki.1000-6753.tces.191654

國(guó)家自然科學(xué)基金項(xiàng)目（51907168）、四川省杰出青年科技人才項(xiàng)目（2020JDJQ0039）、中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目（2682017CX044，2682018CX19）和國(guó)家電網(wǎng)有限公司科技項(xiàng)目（521104190007）資助。

2019-11-27

2020-01-20

張血琴 女，1979年生，博士，副教授，博士生導(dǎo)師，研究方向?yàn)楦唠妷航^緣與防護(hù)技術(shù)。E-mail: xq_zhang@home.swjtu.edu.cn

劉 凱 男，1990年生，博士，助理研究員，研究方向?yàn)楦唠妷航^緣技術(shù)和輸電線路防災(zāi)減災(zāi)。E-mail: liukai@swjtu.edu.cn（通信作者）

（編輯 崔文靜）