【技術實現步驟摘要】
本專利技術涉及輸電桿塔故障監測，特別是涉及基于聲紋特征的螺栓松動程度量化評估方法。
技術介紹
1、輸電鐵塔作為架空導線支撐物，廣泛應用于輸電線路中，鐵塔的安全與否直接關系到輸電線路的安全穩定運行。隨著用電負荷的增加，每年都要新建一批輸電線路。輸電線路對風荷載十分敏感，風荷載被公認為是輸電線路設計的控制荷載。輸電線路在風荷載作用下，鐵塔構件易發生疲勞損傷甚至破壞，導致鐵塔塔身結構失穩而造成鐵塔橫腰截斷甚至整體倒塌。對于輸電塔結構，螺栓連接、拉索固定是使用最廣泛的連接和固定方式，在長期的風荷載引起的結構振動中，螺栓連接點會產生松動或螺栓孔裂縫，如不及時發現，則會進一步造成損傷的擴展，在強風作用下甚至會引起鐵塔的倒塌；
2、目前國內外針對螺栓連接松動等問題的研究主要集中在普通機械行業，對于鐵塔螺栓連接松動問題的研究較少，且均處于初級階段。多數文獻只是研究了螺栓連接的力學性能，螺栓的加工安裝工藝，螺栓的應力關系等相關內容。現有的輸電鐵塔螺栓松動檢測方式多為人工巡查，效率較低，且不能保證檢測結果的精準度。
技術實現思路
1、針對上述現有技術，本專利技術在于提供基于聲紋特征的螺栓松動程度量化評估方法，主要解決上述
技術介紹
中存在的技術問題。
2、為達到上述目的，本專利技術實施例的技術方案是這樣實現的：
3、本專利技術第一方面公開了基于聲紋特征的螺栓松動程度量化評估方法，所述方法包括下列步驟：
4、s1、在輸電鐵塔的多個螺栓連接結構處布置聲信號采集器
5、s2、對輸電鐵塔施加可控的外部激勵，由所述聲信號采集器獲取來自螺栓連接結構處的聲信號；
6、s3、對聲信號進行進行預處理，并從預處理后的聲信號中提取plp特征與mfcc特征，并將plp特征與mfcc特征進行融合，形成plp-mfcc特征；
7、s4、將聲信號轉換為振動信號，并基于所述振動信號，獲得頻域方差特征以及頻域離散度特征；
8、s5、構建并訓練螺栓松動量化深度置信網絡，將頻域方差特征、頻域離散度特征、plp-mfcc特征輸入螺栓松動量化深度置信網絡，獲得螺栓松動評估結果。
9、可選的，采用基于小波變換及自適應閾值選擇的噪聲消除方法對所述聲信號進行噪聲消除，實現聲信號的預處理，其具體包括：
10、s201、使用多分辨率分析的小波變換將聲信號s(n)分解成不同頻率的子帶信號，并設定小波分解層數；
11、s202、通過下式設定初始的軟閾值或硬閾值：
12、
13、其中，σ是噪聲的標準差，n是聲信號s(n)的長度；
14、s203、使用初始的閾值對各層小波系數進行軟閾值或硬閾值處理，然后進行逆小波變換形成重構信號；
15、s204、計算重構信號與聲信號s(n)之間的均方誤差，若均方誤差無法達到最小值，則不斷迭代調整閾值，找到使均方誤差最小的最優軟閾值或最優硬閾值；
16、s205、使用優化后的最優軟閾值及最優硬閾值對各層小波系數進行閾值處理，去除噪聲部分，得到處理后的小波系數，使用處理后的小波系數進行逆小波變換，重構干凈的聲信號s(n)。
17、可選的，使用優化后的最優軟閾值及最優硬閾值對各層小波系數進行閾值處理，具體包括：
18、將絕對值小于最優軟閾值的小波系數置為零，將大于等于最優軟閾值的小波系數減去閾值，實現對各層小波系數進行軟閾值處理；
19、將絕對值小于最優硬閾值的小波系數置為零，將大于等于最優硬閾值的小波系數保持不變，實現將進行軟閾值處理后的各層小波系數進行硬閾值處理。
20、可選的，將plp特征與mfcc特征進行融合，形成plp-mfcc特征，具體包括：將所述plp特征與所述mfcc特征進行串聯融合，得到串聯融合矩陣k，并對串聯融合結果進行主成分分析，得到轉換矩陣p，將串聯融合矩陣k與轉換矩陣p相乘，得到plp-mfcc特征。
21、可選的，將聲信號轉換為振動信號，具體包括：
22、s401、測量不同型號螺栓的受力面積，并構建不同型號螺栓的軸向振動方程；
23、s402、基于所述聲信號的表達式，形成聲波在螺栓表面引起的受力表達式；
24、s403、基于所述受力表達式求取螺栓的軸向振動方程的齊次解、特解、通解以及常數；
25、s404、將齊次解、特解、通解以及常數分別帶入不同型號螺栓的軸向振動方程中，形成振動信號表達式。
26、可選的，基于多個所述振動信號，獲得頻域方差特征以及頻域離散度特征，具體包括：
27、s411、對多個螺栓連接結構處的所述振動信號表達式分別進行兩次數值微分，獲得多個振動加速度，并計算多個振動加速度的平均值；
28、s412、基于多個振動加速度求解振動加速度的頻域方差；
29、s413、基于多個振動加速度求解振動加速度的頻域方差以及平均值，計算頻域離散度，其中頻域離散度通過下式進行計算：c＝s/b，其中b表示平均值，s表示頻域方差；
30、s414、基于頻域方差和平均值形成頻域方差特征以及頻域離散度特征。
31、可選的，基于頻域方差和平均值形成頻域方差特征以及頻域離散度特征，具體包括：
32、通過下式形成頻域方差特征：
33、
34、其中s1表示當前螺栓狀態下的方差，s1表示螺栓處于緊固狀態下的方差；
35、通過下式形成頻域離散度特征：
36、
37、其中c1表示當前螺栓狀態下的頻域離散度，c2表示螺栓處于緊固狀態下的頻域離散度。
38、可選的，構建并訓練螺栓松動量化深度置信網絡的具體步驟包括：利用受限玻爾茲曼機來構建螺栓松動量化深度置信網絡，引入隨機梯度下降法對螺栓松動量化深度置信網絡進行優化，采用訓練集數據對所述螺栓松動量化深度置信網絡進行訓練，通過無監督學習對每一層網絡進行初始化，并將其訓練結果作為高一層網絡的輸入，其中螺栓松動量化深度置信網絡的最終輸出結果表示為健康/不健康。
39、本專利技術第二方面公開了基于聲紋特征的螺栓松動程度量化評估系統，所述系統用于實現所述評估方法，所述評估系統包括激振器、聲信號采集裝置、信號處理裝置，所述激振器用于產生作用于輸電鐵塔上的可調外部激勵，所述聲信號采集裝置于所述信號處理裝置相連，所述信號處理裝置包括預處理模塊、第一特征提取模塊、第二特征提取模塊、評估模塊，
40、所述預處理模塊，被配置為采用基于小波變換及自適應閾值選擇的噪聲消除方法對所述聲信號進行噪聲消除；
41、所述第一特征提取模塊，被配置為從預處理后的聲信號中提取plp特征與mfcc特征，并將plp特征與mfcc特征進行融合，形成plp-mfcc特征；
42、所述第二特征提取模塊，被配置為將預處理后的聲信號轉換為振動信號表達式，并基于所述振動信號表達式，獲得頻域方本文檔來自技高網...
【技術保護點】
1.基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，所述方法包括下列步驟：
2.根據權利要求1所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，采用基于小波變換及自適應閾值選擇的噪聲消除方法對所述聲信號進行噪聲消除，實現聲信號的預處理，其具體包括：
3.根據權利要求2所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，使用優化后的最優軟閾值及最優硬閾值對各層小波系數進行閾值處理，具體包括：
4.根據權利要求3所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，將PLP特征與MFCC特征進行融合，形成PLP-MFCC特征，具體包括：將所述PLP特征與所述MFCC特征進行串聯融合，得到串聯融合矩陣K，并對串聯融合結果進行主成分分析，得到轉換矩陣P，將串聯融合矩陣K與轉換矩陣P相乘，得到PLP-MFCC特征。
5.根據權利要求3所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，將聲信號轉換為振動信號，具體包括：
6.根據權利要求5所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，基于多個
7.根據權利要求6所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，基于頻域方差和平均值形成頻域方差特征以及頻域離散度特征，具體包括：
8.根據權利要求7所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，構建并訓練螺栓松動量化深度置信網絡的具體步驟包括：利用受限玻爾茲曼機來構建螺栓松動量化深度置信網絡，引入隨機梯度下降法對螺栓松動量化深度置信網絡進行優化，采用訓練集數據對所述螺栓松動量化深度置信網絡進行訓練，通過無監督學習對每一層網絡進行初始化，并將其訓練結果作為高一層網絡的輸入，其中螺栓松動量化深度置信網絡的最終輸出結果表示為健康/不健康。
9.根據權利要求1-8任一項所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，所述評估方法應用于評估系統中，所述評估系統包括激振器、聲信號采集裝置、信號處理裝置，所述激振器用于產生作用于輸電鐵塔上的可調外部激勵，所述聲信號采集裝置于所述信號處理裝置相連，所述信號處理裝置包括預處理模塊、第一特征提取模塊、第二特征提取模塊、評估模塊，
...【技術特征摘要】
1.基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，所述方法包括下列步驟：
2.根據權利要求1所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，采用基于小波變換及自適應閾值選擇的噪聲消除方法對所述聲信號進行噪聲消除，實現聲信號的預處理，其具體包括：
3.根據權利要求2所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，使用優化后的最優軟閾值及最優硬閾值對各層小波系數進行閾值處理，具體包括：
4.根據權利要求3所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，將plp特征與mfcc特征進行融合，形成plp-mfcc特征，具體包括：將所述plp特征與所述mfcc特征進行串聯融合，得到串聯融合矩陣k，并對串聯融合結果進行主成分分析，得到轉換矩陣p，將串聯融合矩陣k與轉換矩陣p相乘，得到plp-mfcc特征。
5.根據權利要求3所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，將聲信號轉換為振動信號，具體包括：
6.根據權利要求5所述的基于聲紋特征的螺栓松動程度量化評估方法，其特征在于，基于多個所述振...
【專利技術屬性】
技術研發人員：楊軍，楊玥，馬鈳昊，劉鑫榮，
申請(專利權)人：內蒙古電力集團有限責任公司內蒙古電力科學研究院分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。