电磁场分析与计算的对象是电磁场的空间分布，可视化光学图像呈现的是颜色的二维空间分布，两者都涉及空间分布。电磁场在空间的每个点都用电场和磁场的大小和方向描述，可视化光学图像在空间的每个点都用三基色的灰度描述（任意一种色光的视觉效果都可以用三种基色红R、绿G、蓝B的灰度组合来表示），这里都涉及二维场的描述。电磁场的综合评价有均匀或非均匀、电准静态场或磁准静态场，等等；可视化光学图像整体观感有像或不像、清晰或不清晰、偏蓝或偏红、偏亮或偏暗，等等。电磁波辐射在可见光波段的成分可以产生可视的光学图像，将电磁分析与数字化图像技术联系起来，并形成场像分析方法，会带来新的电磁场综合评价方法。图像处理学包含3个层次：图像处理、图像分析和图像理解。可视化光学图像的电气应用已有很多，但应用的目的大多是改善图像的视觉效果或突出有用信息，以识别缺陷、磨损或其他异常情况，在数字图像领域属于图像处理（image processing）。图像处理的重点是图像之间进行的调整和变换，以期获得准确的图像。图像分析（image analysis）主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述，是一个从图像到数据的过程。图像理解（image understanding）则是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行动。传统电磁分析与计算的重点在于准确计算电磁场分布和优化设计，与图像处理有些类似，强调的是准确，而电磁状态的诊断方法(综合评价)属于场的图像理解。*早，图像在气体放电领域的利用比较初级，大家只是用胶片相机拍摄气体放电自辐射光照片，即模拟图像（analog image），定性分析图像的形状和面积，后来因为很快出现了数码相机（数字信号）以及计算机快捷存储技术，人们开始尝试利用数码相机拍摄和定量分析气体放电的数字图像（digital image）。由于曝光时间和光圈的人为选择，指标的客观性是当时需要克服的一个问题，我们一个重要的发现是气体放电产生的数字图像的某些特征指标在一定曝光时间和光圈范围内具有物理特性的表征功能，这些量化的特征指标的基础是灰度概率密度函数（GLPDF）或称为灰度直方图(可认为是一种二维辐射场分布特征的描述)，这引导我们探讨三基色灰度概率密度函数（RGBGLPDF）对放电状态识别的意义，即放电因果关系的建模问题。在将数字图像技术引入放电研究后，我们对RGB色度空间变换有了很大兴趣，发现了放电图像的色品坐标在等能白点和主波长点之间直线“流动”的规律。通俗地说，等能白点完全是白光的点，也可以代替一般图像无法避免的日光；主波长就是放电产物产生的主要的光谱色，而不同放电阶段就是在这两个点之间流动，因此是一个综合评价电磁辐射状态的图像方法。我们在放电发射光谱转换为图像色品坐标后也发现同样的规律，这样就形成一种从宏观图像到反映微观光辐射过程的光谱之间的多尺度研究模型和方法。Ⅱ基于数字图像的电磁诊断方法——气体放电状态、金属温度、电磁场设计前言Ⅲ工业应用领域温升故障的诊断一般用红外热成像仪，不用可见光相机，原因是热辐射的波段问题，简单地说，肉眼无法分辨日光下一杯装满热水或冰水的茶杯区别，如果可见光图像能识别物体表面温度（高温物体肉眼可以识别状态，常温物体则非常困难）将在应用领域取得极大的经济价值。在这个领域探索中，我们已经观察到常温温升可以造成三基色灰度概率密度函数发生变化，但是其规律难以简单表述，特别是在现场应用中，环境光复杂、设备表面老化等因素使得因果关系不明显，我们开始尝试用机器学习方法来解决这些温升相关关系的建模问题，并实现了利用普通相机就能识别日光下常温物体表面温度的变化，当然这里需要大数据建模。利用自辐射光图像进行状态诊断时，放电图像状态和电压具有确定的因果关系，可以物理建模，剩下的任务是选择一个综合状态评价量以便于工业应用。利用日光下反射光图像进行温度诊断，金属物体图像状态和温度的因果关系不是很有规律，具有的是相关关系（日光环境下，金属温度变化造成的反射光图像变化是多变量、非线性的复杂关系，有的甚至无法给予确定性量化，只能是统计关系），因此只能依靠大数据建模。在大数据建模中，状态评价量可能是一个多维的量，模型多半也是一个黑匣子。这里令我们感兴趣的是机器模型有非常好的温升识别效果，却不可解释。我们*新的一个应用探索方向是将机器学习和数字图像技术引入电场和磁场的均匀设计领域。这里的图像实际是人为编制程序、由数据生成的强度云图。结构尺寸（边界条件）和云图具有确定的因果关系，并不需要建立新的模型，只是关心场的均匀性设计，即按照工程目的设计合适的结构尺寸。这方面，虽然已经有一些经典的寻优方法，但是利用场图的三基色灰度概率密度函数和机器学习来解决这个电磁场逆问题成为我们的新进展，也产生了一些我们尚未解决的时变电磁场的色度表征、电准静态场和磁准静态场的区分等问题。传统的分析电磁场整体特征的一个方法是电路分析，利用三种电路元件R、L、C的不同网络组合来等价一个复杂电磁系统的响应特性，而三基色R、G、B的灰度概率密度函数以及相关的统计特征分析是从另一个角度看电磁场综合评价问题。回顾过往，由于技术的进步，我们开始利用数字化产品代替模拟化产品，进而找到利用三基色灰度概率密度函数作为综合评价电磁辐射场的一个图像指标，进行物理建模；由于因果关系在工业应用现场和实验室的不同，更多呈现相关关系，我们开始应用机器学习的方法，进而利用三基色灰度概率密度函数作为特征指标，进行数据建模；*后由于科学探索的兴趣，我们利用三基色灰度概率密度函数这个指标来探索电磁场逆问题分析的机器学习新方法。一路走来，在场像理解的相关关系(统计学)中寻找因果关系(物理机制)以及取得应用一直是我们关心的问题。写作本书的目的一是对过去工作的一个总结，建立了场像分析方法，二是和同行交流一些由此带来的新的方法和技术。数字图像技术日新月异，机器学习等人工智能方法发展之快更是一日千里。技术可以更新，算法可能淘汰，方法却永葆活力。 本书的撰写工作是由我和指导的研究生共同完成的，撰写的主要内容是近年的一些博士研究生论文的部分章节。叶齐政撰写第1、2章，郭自清撰写第3章，王玉伟撰写第4章，李兴旺撰写第5章，郭自清和王玉伟撰写第6章，袁哲撰写第7章，袁哲和聂晓菲撰写第8章，程子鹏撰写第9章；全书由叶齐政统稿。本书还凝聚了课题组其他一些研究生的工作，他们包括吴云飞(博士)、蔡焕青、邱正茂、陈田(博士)、杨芾黎、于大海(博士)、罗晶，孙祎、杨铭、吴骜、胡昱、孔德山、李飞行、董轩、胡佳慧、王明、何旸、李文矛等；还有一些研究生虽然没有做和图像技术直接相关的工作，但是也做了与气体放电和电磁计算相关的工作，这些工作帮助我们探索一些思路的可行性和对物理现象的理解。在此向他们表示诚挚的感谢。本书得到国家自然科学基金委多个面上项目（项目号51577081、52077090）的支持，也得到南方电网科研项目（项目号GDKJXM20184425(030700KK52180140)、GDKJXM20231287（030000KC23110062））的支持，在此也表示感谢。由于著者水平有限，加之时间仓促，特别是很多跨学科的新技术手段和方法层出不穷，本书缺点、错误和不当之处在所难免，敬请读者批评指正。
叶齐政
2024年10月28日于武汉喻家山
展开
