本发明涉及绝缘子测量，尤其是指一种绝缘子爬电距离的数字化测量方法。
背景技术：
1、绝缘子是电力系统重要的支撑装置和绝缘保护装置，绝缘子的爬电距离是指沿绝缘表面测得的两个导电零部件之间或导电零部件与设备防护界面之间的最短路径。绝缘子的爬电距离是其质量的重要指标，对电力系统的正常运转和安全稳定具有至关重要的作用。
2、目前对绝缘子爬电距离的测量主要依赖人工使用带有刻度的皮卷尺沿着绝缘子表面测量，或者利用纸胶带在绝缘子表面粘贴后撕下再测量距离，但是由于绝缘子表面形状复杂，人工方法无法很好的贴合绝缘子表面且无法保证测量或粘贴方向与轴线平行，会给测量结果带来较大误差，同时这种接触式的测量劳动强度较高且存在安全隐患。
技术实现思路
1、本发明的目的是克服现有技术中的绝缘子爬电距离主要依赖人工测量，劳动强度较大，会产生较大误差且存在安全隐患的缺陷，提供一种绝缘子爬电距离的数字化测量方法。
2、本发明的目的是通过下述技术方案予以实现：
3、一种绝缘子爬电距离的数字化测量方法，包括以下步骤：
4、步骤1，获取绝缘子外形的三维信息，根据三维信息生成三维网格图形；
5、步骤2，采用神经网络模型对三维网格图形进行前景和背景分类，得到绝缘子前景网格图形；步骤3，计算绝缘子前景网格图形的对称轴，根据绝缘子前景网格图形边界点与对称轴的距离对绝缘子造型进行识别；
6、步骤4，采用神经网络判定绝缘子爬电距离的起止点；
7、步骤5，根据爬电距离的起止点计算爬电距离。
8、作为优选，所述的步骤2中的神经网络模型为mlp神经网络模型，mlp神经网络模型的构建过程包括建立前景点特征矢量数据集，具体为：
9、在三维网格图形的每个顶点的测地领域内计算平均曲率和高斯曲率，所述测地领域以网格边尺寸为单位，测地领域半径为10个单位，领域边缘表现为不规则；将三维网格图形的前景点和背景点全部作为标注点，每个顶点的平均曲率和高斯曲率以及围绕该顶点的其他相邻点的平均曲率构成一个m维矢量作为该店的特征矢量，将背景点的特征矢量标注为0，将前景点的特征矢量标注为1。
10、作为优选，所述的mlp神经网络模型的构建过程还包括搭建与训练测试，具体为：mlp神经网络模型包括输入层、两个隐藏层和输出层，将各标注点的特征矢量作为输入层的输入特征值，第一层隐藏层包含i个神经元并使用relu作为激活函数，第二层隐藏层包含j个神经元并使用relu作为激活函数，输出层使用sigmoid作为激活函数，并将crossentropy作为损失函数；
11、前景点特征矢量数据集分为训练集和测试集，在mlp神经网络模型中设置完训练参数后基于训练集进行训练直到模型损失不再下降，然后基于测试集对训练后的模型进行测试。
12、作为优选，所述的步骤3具体为：绝缘子前景网格图形的对称轴采用算数平均法计算，所述边界点为在对称轴平行方向和正交方向获取的绝缘子前景上下左右前后6个边界点；计算对称轴与6个点的距离参数，将距离参数与预测的绝缘子造型数据对应的参数按照距离最近原则进行匹配。
13、作为优选，所述的步骤4具体为：
14、建立爬电起止点特征矢量数据集，根据绝缘子所属的造型类别，针对步骤2中得到的绝缘子前景网格图形，提取图形顶点中的爬电起止点和部分非爬电起止点作为标注点，计算每个标注点及围绕该点的各顶点的平均曲率和高斯曲率，构成一个n维矢量作为各标注点的特征矢量；爬电距离起点，爬电距离终点及非爬电距离起止点的特征矢量对应的标签分别为(1,0,0)，(0,1,0)，(0,0,0)，并划分训练集与测试集；
15、采用mlp神经网络搭建爬电距离起止点分类器，并基于爬电起止点特征矢量数据集完成分类器的训练与测试。
16、作为优选，若绝缘子造型类别不同，则需训练不同的mlp神经网络作为与绝缘子匹配的爬电距离起止点分类器。
17、作为优选，所述的步骤5具体为：
18、步骤5a，匹配爬电起止点，采用基于dtw距离的knn最近邻算法提取相匹配的爬电起止点，将不同维度的特征向量作为不同长度的时间序列，针对每一个爬电距离起点，取与其特征向量之间的dtw距离最小的前k个爬电距离终点，若任意一个爬电距离起点与其对应的任意一个爬电距离终点计算出的距离符合该造型类别的绝缘子的爬电距离标准且爬电距离起止点连线与绝缘子的对称轴共面，则视该爬电距离起止点匹配成功；
19、步骤5b，计算爬电距离，利用dijkstra算法计算爬电起止点之间的测地距离，测地距离即爬电距离。
20、本发明的有益效果是：本发明的方法针对绝缘子三维数字图形中环境噪声的影响，构建以平均曲率、高斯曲率为特征的mlp神经网络，识别出前景点和背景点，有效降低背景点的干扰。同时构建以平均曲率、高斯曲率为特征的mlp神经网络，提高了绝缘子爬电距离起止点判断的准确性。最后采用k近邻法与dtw距离实现绝缘子爬电距离起止点的匹配，并采用dijkstra算法计算爬电距离起止点的距离，最终提高了绝缘子爬电距离计算的准确性。
1.一种绝缘子爬电距离的数字化测量方法，其特征是，包括以下步骤：
2.根据权利要求1所述的一种绝缘子爬电距离的数字化测量方法，其特征是，所述的步骤2中的神经网络模型为mlp神经网络模型，mlp神经网络模型的构建过程包括建立前景点特征矢量数据集，具体为：
3.根据权利要求2所述的一种绝缘子爬电距离的数字化测量方法，其特征是，所述的mlp神经网络模型的构建过程还包括搭建与训练测试，具体为：
4.根据权利要求1所述的一种绝缘子爬电距离的数字化测量方法，其特征是，所述的步骤3具体为：绝缘子前景网格图形的对称轴采用算数平均法计算，所述边界点为在对称轴平行方向和正交方向获取的绝缘子前景上下左右前后6个边界点；计算对称轴与6个点的距离参数，将距离参数与预测的绝缘子造型数据对应的参数按照距离最近原则进行匹配。
5.根据权利要求1所述的一种绝缘子爬电距离的数字化测量方法，其特征是，所述的步骤4具体为：
6.根据权利要求5所述的一种绝缘子爬电距离的数字化测量方法，其特征是，若绝缘子造型类别不同，则需训练不同的mlp神经网络作为与绝缘子匹配的爬电距离起止点分类器。
7.根据权利要求1所述的一种绝缘子爬电距离的数字化测量方法，其特征是，所述的步骤5具体为：
