本文將定量計算和定性分析相結(jié)合，較深入地研究了真空開關(guān)開斷過程中電弧的燃燒過程，研究工作對真空電弧調(diào)控策略的提出具有一定的參考價值。

真空開關(guān)具有優(yōu)異的熄弧性能和耐壓性能，在中低壓電力系統(tǒng)中應(yīng)用廣泛。其在開斷短路電流時，將在真空滅弧室內(nèi)的動、靜觸頭間產(chǎn)生燃燒的金屬蒸氣——真空電弧。對真空電弧燃燒過程中形態(tài)演變規(guī)律和特征量變化情況的研究有助于揭示電弧從產(chǎn)生、發(fā)展到熄滅的物理過程和相關(guān)規(guī)律，是研究并提高真空開關(guān)開斷性能的有效途徑之一。

目前，學(xué)者們對真空電弧形態(tài)演變宏觀過程進(jìn)行了大量的實驗研究。

• 如H.Schellekens等采用高速攝像技術(shù)研究了電弧電流、觸頭半徑、觸頭間隙和外加縱向磁場等參數(shù)對真空電弧形態(tài)變化的影響。
• H.Schulman等也采用高速攝像機(jī)對電弧燃燒圖像進(jìn)行采集，并結(jié)合電弧電壓曲線，將電弧形態(tài)分為擴(kuò)散態(tài)、收縮態(tài)及噴發(fā)態(tài)等。
• 董華軍等采用CMOS高速攝像機(jī)對可拆卸滅弧室中不同觸頭結(jié)構(gòu)下電弧形態(tài)演變進(jìn)行了較深入的研究，還利用CCD相機(jī)結(jié)合數(shù)字圖像處理技術(shù)對電子溫度和電子密度進(jìn)行診斷。
• 劉斌等通過實驗研究了直流真空電弧強(qiáng)迫開斷電弧形態(tài)，分析了觸頭結(jié)構(gòu)對電弧直徑的影響。
• QinTaotao等通過電弧燃燒形態(tài)變化，分析了觸頭開斷速度對直流真空電弧的影響。
• 武建文等對中頻真空電弧演變特性展開研究，研究表明中頻真空電弧主要呈現(xiàn)過渡態(tài)和擴(kuò)散態(tài)兩種形態(tài)，且過渡態(tài)電弧演變迅速，并在電流峰值時刻轉(zhuǎn)變?yōu)閿U(kuò)散態(tài)電弧。
• 筆者也借助高速攝像機(jī)對真空開關(guān)實際開斷短路故障過程中電弧形態(tài)演變過程進(jìn)行了較深入的定性分析。

為進(jìn)一步深入研究真空電弧的演變規(guī)律和電弧特性，學(xué)者們利用數(shù)字圖像技術(shù)對電弧圖像進(jìn)行處理，通過提取特征量，實現(xiàn)電弧的量化處理和研究。

• 董華軍等對真空電弧的數(shù)值圖像處理技術(shù)進(jìn)行了較深入的研究，運(yùn)用中值濾波方法對電弧圖像中的校驗噪聲干擾進(jìn)行處理，運(yùn)用直方圖均衡化進(jìn)行電弧圖像增強(qiáng)，運(yùn)用Canny算子對電弧圖像邊緣進(jìn)行檢測和提取，對真空電弧進(jìn)行量化研究。
• 田小靜等基于小波變換及形態(tài)學(xué)細(xì)化算法對真空電弧圖像進(jìn)行了形態(tài)細(xì)節(jié)特征提取研究，通過多尺度-細(xì)化算法實現(xiàn)了更完整、更清晰的細(xì)節(jié)電弧圖像的形態(tài)特征檢測。
• 為降低電弧噪聲的影響，劉教民等提出了基于支持向量機(jī)高斯核的電弧圖像邊緣檢測方法。
• 劉向軍等對磁保持繼電器分?jǐn)噙^程的電弧圖像進(jìn)行形態(tài)學(xué)處理，定量研究了磁保持繼電器電弧圖像的面積參數(shù)變化。
• 翟國富等對直流電弧運(yùn)動過程中電弧輪廓進(jìn)行提取，分析了觸頭間隙、觸頭與電弧等離子體之間的重?fù)舸┻^程。

上述研究主要采用邊緣檢測方法對電弧圖像進(jìn)行處理，適用于邊緣灰度值變化比較大、噪聲干擾比較小的圖像。但真空電弧圖像邊緣復(fù)雜，存在極強(qiáng)的噪聲，邊緣檢測法存在精度和抗噪性的雙重矛盾，處理結(jié)果存在界限不明顯、斷接、多像素點等缺陷。

通常用于圖像特征提取的方法有閾值分割法（如最大熵法、最大類間方差法Otsu）、區(qū)域生長法、聚類分析法和灰度-梯度共生矩陣法等。但這些傳統(tǒng)圖像分割算法存在一些缺陷，不適用于邊緣復(fù)雜、噪聲干擾強(qiáng)的真空電弧圖像處理。

基于脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network, PCNN）的圖像分割法不同于傳統(tǒng)圖像處理方法，其在分割時不用預(yù)先選擇處理的空間范圍，完全依賴于圖像的自然性，是一種自適應(yīng)圖像分割方法，分割效果好，且分割時間短，能完整、清晰地呈現(xiàn)圖像的細(xì)節(jié)特征，適用于真空電弧圖像處理。

本文基于改進(jìn)脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network, PCNN）模型對真空電弧進(jìn)行圖像分割，實現(xiàn)電弧與背景區(qū)域的分離；然后結(jié)合圖像形態(tài)學(xué)技術(shù)對分割圖像進(jìn)行連通域選取和邊緣噪聲濾波，消除了電弧反光現(xiàn)象以及邊緣噪聲；最后結(jié)合真空開關(guān)實際開斷電流過程中采集得到的電弧實驗圖像，將真空電弧演變過程的定性分析和特征量變化定量分析相結(jié)合，深入研究真空電弧的燃燒過程。

圖2 PCNN分割真空電弧圖像

圖4 多種圖像處理方法處理真空電弧圖像結(jié)果

結(jié)論

本文首先采用建立的改進(jìn)型PCNN模型和形態(tài)學(xué)技術(shù)對真空電弧圖像進(jìn)行多值分割、連通域提取和邊緣噪聲濾波。然后結(jié)合電弧實驗圖像，對真空開關(guān)開斷過程中真空電弧的產(chǎn)生、發(fā)展和熄滅等燃燒過程展開定量和定性的研究。

主要結(jié)論如下：

• 1）與邊緣檢測法、Otsu算法等相比，本文所建改進(jìn)型PCNN模型所分割的電弧圖像呈現(xiàn)的細(xì)節(jié)特征豐富、邊緣清晰、噪聲低，且分割精度高，對實驗電弧圖像的還原度高，適用于量化描述邊緣區(qū)域灰度梯度變化大的真空電弧圖像。
• 2）根據(jù)19kA電弧特征參數(shù)和實驗結(jié)果，動觸頭初始階段、中間階段和最后階段的平均速度分別約為2.3m/s、2.0m/s和1.3m/s。真空電弧燃燒過程可分為集聚階段（2.5~6.18ms）、穩(wěn)定階段（6.18~7.89ms）、擴(kuò)散階段（7.89~9.04ms）和熄滅階段（9.04~10ms）。電弧最大面積約1338.13mm2，出現(xiàn)在6.97ms時刻，相比電流峰值時刻（5.63ms）存在1.34ms的時延。相比前期研究更加細(xì)化、深入。
• 3）電弧電流對真空電弧燃燒特性有很大影響，隨峰值電弧電流增大，電弧面積由4kA時的456.74mm2增大到28kA時的1685.8mm2；電弧最大面積出現(xiàn)時刻滯后1.86ms；電弧集聚階段持續(xù)時間由4kA時的2.27ms延長到28kA時的4.28ms，不利于電流的成功開斷。

本文對真空電弧燃燒過程的研究還不夠全面，需結(jié)合電弧圖像光強(qiáng)變化及電弧數(shù)值仿真技術(shù)進(jìn)一步研究，對大電流電弧動觸頭位移特性計算也還有待改進(jìn)。