关键词:
紫外吸收光谱法
马尔可夫转移场
深度学习
摘要:
气体绝缘开关设备绝缘故障引起的局部放电会导致绝缘介质SF_(6)气体分解,分解产生的氟硫化物会与设备中的水分和氧气发生反应,生成SO_(2)、CS_(2)和H_(2)S等化合物,这3种特征气体的浓度能够反映绝缘故障的类型和严重程度。对此,提出一种基于MFT(马尔可夫转移场)和深度学习的方法,用于分析特征气体的紫外光谱图,识别具有重叠吸收峰的痕量气体混合物。该方法首先将一维序列数据转化为二维图像,使混合气体的紫外光谱数据以图像形式呈现,从而使其特征信息更加直观。随后,将这些图像输入至深度学习模型中进行识别分类。实验结果表明,与其他模型相比,该方法具有更高的识别准确率。