شناسايي عيوب تابلوهاي توزيع برق با نمودارهاي كنترل فضايي

Defect Detection in Distribution Cubicle Using Spatial Control Chart

در پايش تصوير، اطلاعات عكس با نمودارهاي كنترل مورد پايش قرار مي گيرد. نمودار كنترل فضايي نوعي نمودار كنترل است كه محور افقي آن موقعيت در تصوير را نشان مي دهد. از اين نمودارها براي پيدا كردن نقاط غيرطبيعي در عكس استفاده مي شود. ترموويژن شاخه اي از بينايي ماشين است كه به بررسي تصاوير مادون قرمز مي پردازد. هرچند دوربينهاي مادون قرمز سالهاست كه در تعميرات پيشگيرانه جهت شناسايي تجهيزات معيوب، اضافه بار و اتصالات سست استفاده مي شوند، تصاوير تهيه شده با اين دوربينها تنها با روشهاي تجربي تحليل مي گردد و در تحقيقات كمي هم كه در اين زمينه صورت گرفته از نمودار كنترل استفاده نشده است. براي شناسايي نقصهاي تابلوهاي توزيع برق بايد تنوع تجهيزات مورد استفاده در تابلوهاي برق، نبود داده كافي براي آموزش مدلهاي شناسايي الگو، خودهمبستگي و رفتار پيچيده انتقال حرارت از طريق تابش، همرفت و رسانايي گرمايي در نظر گرفته شود. نبود داده كافي براي آموزش مدلهاي تشخيص الگو مانند شبكه عصبي باعث شده است تا استفاده از نمودارهاي كنترل فضايي نسبت به اين روشها مزيت نسبي پيدا كند. در اين تحقيق از تركيب نمودار كنترل فضايي و رگرسيون استوار جهت شناسايي عيوب تابلوي توزيع برق استفاده شده و قدرت تشخيص نمودارهاي كنترل مختلف براي شناسايي اين عيوب مورد مقايسه قرار گرفته است.

In image monitoring, image data will be monitored by control charts. Spatial control chart is a control chart with its horizontal axis representing a position in the image and is used to detect abnormalities in the image. Image data is not confined by visible spectrum and thermovision which is one of the main branches of machine vision is used to analyze infrared images. Infrared cameras are used in distribution cubicles preventive maintenance because major defects in this product can lead to electricity distribution interruption, fire accident, and damage to other devices. Although thermovision has been used to find defects in electrical components but related infrared images are inspected by empirical methods and only few researchers have used control charts to monitor images. Variety of components and configuration, lack of training data, high serial dependency, and complex behavior of thermal conductivity should be considered when a proper method is being developed. In this research, a combination of spatial control chart and robust regression was used for defect detection in infrared images. Results indicate satisfactory performance for the proposed method.