故障诊断专家系统是一种计算机智能程序,在输入设备的当前信息之后,系统可以调用历史数据进行推理,得到检测对象的运行状态信息并给出解释。由于变电站分布广泛且位置偏远,变电站背景环境杂乱,因此采用智能识别的方法提高变电站设备检测的智能程度和精确性,对现代化变电站的安全运行提供了重要保障。基于此,本文对高压套管和绝缘子等电力设备的检测问题进行了研究,并在此基础上设计了电力设备故障诊断专家系统,主要研究内容如下:(1)对于变压器的高压套管检测问题,提出一种基于Hu不变矩的SVM检测算法。该算法针对变压器背景复杂不利于检测的问题,将图像预处理方法引入特征提取步骤,并使用经遗传算法参数寻优后的支持向量机对待测对象进行分类。实验表明,该方法可以去除杂乱背景的干扰并准确检测高压套管,检测准确度优于传统检测方法。(2)由于绝缘子在变电站中分布广泛,因此在图像中尺度变化大并且扭曲严重,不利于检测。论文针对绝缘子的检测问题提出一种基于多尺度卷积神经网络的检测算法。该算法将多个卷积神经网络间的检测数据进行融合,从而提高检测准确性。实验表明,该算法的准确性优于基于传统卷积神经网络的检测算法。(3)基于以上两种电力设备检测算法,设计并实现了一种故障诊断专家系统。该系统通过上述检测算法的学习过程来获取知识,完成检测知识库和推理机的构建。该系统在获取设备的位置信息后,结合红外图像中设备的热状态信息,可以对设备故障信息进行诊断并给出检修建议。