基于图像序列的真空开关分闸速度检测

真空开关的分闸速度是影响开关电弧形态及其使用性能的重要因素。为满足高精度分析的需求,提出运用数字图像处理技术从真空开关运动序列图像中精确跟踪触头位置,进而计算触头运动速度的检测方法。该文首先利用Solidworks软件建立真空开关触头模型,并以设定速度模拟分闸过程,获得了分闸过程动触头的运动序列图像。运用Harris角点检测算法提取序列图像中触头角点,然后用SSD(sum of square differences)角点匹配算法对相邻序列图像中所检测到的角点进行匹配,并从中筛选精确匹配角点,再以匹配的像素角点为初始值,计算亚像素精度角点,从而实现了动触头位置的亚像素级精度跟踪。计算相邻帧图像动触头的位移,该位移与相邻帧图像时间间隔的比值即为动触头的瞬时速度。结果表明:亚像素角点检测技术可实现动触头位置跟踪及其分闸速度计算,且相对误差≤4.7%,最高精度可达0.34%。该方法能够实现真空开关分闸速度的高精度检测,为后续分析分闸速度与电弧形态的关系奠定了基础。

真空开关触头动态位置检测研究

真空开关电弧形态及其变化规律对真空开关开断性能有着重要影响,而触头动态开距大小是影响电弧形态变化重要因素,如何准确检测触头动态位置从而计算触头动态开距具有重要的意义。真空开关电弧图像灰度分布不均,燃烧的电弧灰度值高、触头灰度值低,并且电弧燃烧形态剧烈变化等因素制约了电弧图像中触头位置的精确检测。本文提出了一种新的真空开关电弧图像触头位置检测算法,该算法将数字图像处理技术运用到真空开关电弧图像分析中,在二值化电弧图像中分别检测电弧的上、下边缘,最后将检测到的上、下边缘进行直线拟合,实现了动、静触头在图像中位置的高精度检测。实验结果表明:本算法能够有效地检测出电弧图像的上、下边缘,并通过计算得到电弧图像中静触头及动触头的位置。

美丽的油菜花

花儿开了,草儿绿了,大地苏醒了,喜鹊欢快地告诉人们:“春姑娘来啦,春姑娘来啦!”周末,我和家人来到郊外赏油菜花。一望无际的油菜花田像宽阔的海洋,微风吹过,荡漾(yàng)起一层层金色的“海浪”。我快速冲进泛着金光的“海洋”中,自由自在地“游”来“游”去,“游”累了,就躺在花地旁,闻着阵阵扑鼻而来的花香。