局部（bù）放電模式識別方法概述

模式識別技術是伴隨著計（jì）算（suàn）機的研究（jiū）、應用日益發展起來的。模式（shì）是對某些感興趣的客體的定量的或（huò）結構的描述，模式（shì）類是具有某些共同特性的模式的集合，模（mó）式識別的目的，就是利用機器把待識別模式（shì）自動地分配到各自的模式類中去。

廣義的模式識別包括對描述被識別對象的信號的引出、量化、預處理(濾除幹擾和噪聲)、特征提（tí）取和模式分類。其中模（mó）式分類是在前（qián）幾步工作的基礎上，把被識別對象（xiàng）歸並分類，確認其為何種模式的過程（chéng），其方法大致可分為統計決策法、句法結構法、模糊判決法、人工神經網絡法四類。對於模式可用特征向量描述的模（mó）式識別問題，統計（jì）決策法發展得較為成（chéng）熟，是（shì）經典的模式分類法；模糊判決法和人工神經網絡法正處於研究階段，尤其是神經網絡法以其全局相關的特點引起了廣大研究者的青睞；句法結構法目前對該問題尚不適（shì）用。

研究局部放電現象與絕緣（yuán）缺（quē）陷之間的關係，是局部放（fàng）電（diàn）模式識別的主要目的。局部放電圖像模式識（shí）別，是將一般圖像模式識（shí）別的方法引入局部放電模式識別中，從圖像識別的角度來（lái）區分局部放電類型。下圖描述了（le）局部放電模式（shì）識（shí）別的基本過程，可以大致分為數據獲取、預（yù）處理、放電模（mó）式構（gòu）造、特征提取和模式分類五個主要部分，由計算機最終完成局部（bù）放電模（mó）式分類（lèi）就實現了局部（bù）放電模式識別。下麵從放電模式構造、特征提取、模式識別三個方（fāng）麵介紹局部放電模式自（zì）動識（shí）別研究的發展現狀。