【技術實現步驟摘要】
本專利技術屬于電力施工，具體涉及一種融合多維數據的拉繩風險識別方法及裝置
技術介紹
1、在電力系統的施工和維護過程中，拉繩作業是輸電線路架設與維護的關鍵步驟之一。拉繩用于牽引輸電線纜或施工設備，確保線路的張力和穩定性，對于保障電力供應的安全性與連續性起著至關重要的作用。然而，由于復雜的地形和惡劣的環境條件，拉繩作業面臨著諸多挑戰。
2、拉繩張力的控制是一個技術難題。在不同的環境和工作條件下，如何保持適宜的拉繩張力，避免因張力超載而導致輸電線路故障或拉繩損傷，是一個需要精確監控和控制的問題。其次，拉繩路徑的偏移也是拉繩作業中常見的問題。在復雜的場景中，拉繩可能會因為地形起伏或外力作用而發生偏移，這不僅影響施工效率，還可能對輸電線路或拉繩損傷的安全構成威脅。此外，不良天氣條件，如強風、暴雨、冰雪等，都可能導致拉繩損傷，而施工過程中的誤操作也可能導致拉繩受損。這些損傷如果不及時檢測和修復，可能會引發更嚴重的輸電線路故障或施工事故。
3、目前，拉繩監測技術主要依賴人工經驗，缺乏精確的實時監控手段，這使得及時發現潛在風險變得困難。為了提高拉繩作業的安全性和效率，現有主要采用一件傳感器進行單一檢測，例如專利cn112881947a公開一種基于電渦流傳感器的架空地線檢測裝置，包括電渦流探頭、激勵信號產生模塊、對數檢波模塊、信號調理模塊、差分放大模塊和成像模塊；激勵信號產生模塊產生不同頻率和幅值的激勵信號，對數檢波模塊主要是通過對數放大器和lpf實現，信號調理模塊通過ad7670數模轉換芯片和stm芯片實現，差分放大模塊
4、基于上述問題，如何提供一種計及拉繩多種異常數據的風險識別方法是本領域亟待解決的技術問題。
技術實現思路
1、針對上述現有技術中存在的缺陷，本專利技術提供了一種融合多維數據的拉繩風險識別方法及裝置，可以精準檢測拉繩在不同工況下的作業狀態，實現拉繩的風險識別。
2、第一方面，本專利技術提供一種融合多維數據的拉繩風險識別方法，包括：
3、采集拉繩的多維作業數據，其中，多維作業數據包括：視覺數據、張力數據、位移數據和振動數據；
4、基于采集的多維作業數據，并結合每一維作業數據對應的異常條件進行初步異常分析處理，給出每一維作業數據的初步異常結果；
5、基于每一維作業數據的初步異常結果，融合多維作業數據進行二次異常分析處理，給出拉繩異常結果；
6、基于拉繩異常結果和每一維作業數據的初步異常結果，給出拉繩的風險等級進行拉繩風險識別。
7、進一步的，基于采集的多維作業數據，并結合每一維作業數據對應的異常條件進行初步異常分析處理，給出每一維作業數據的初步異常結果，包括：
8、對視覺數據進行特征提取，或將視覺數據與拉繩圖像模板數據進行比對，以給出拉繩的初步視覺異常結果；將張力數據與預設張力閾值上下限進行比對，給出拉繩的初步張力異常結果；基于位移數據確定當前位移時間曲線，與拉繩在正常工作狀態下的標準位移時間曲線進行比對，給出拉繩的初步位移異常結果；對振動數據進行傅里葉變換給出頻率成分和振動幅值，分別與頻率范圍閾值和振動范圍閾值進行比對，給出拉繩的初步振動異常結果。
9、進一步的，與拉繩在正常工作狀態下的標準位移時間曲線進行比對，給出拉繩的初步位移異常結果，包括：
10、將當前位移時間曲線與標準位移時間曲線進行相似度計算，并將相似度結果與預設相似度閾值進行比較，在相似度結果超出預設相似度閾值時判斷為拉繩位移異常，反之，判斷為拉繩位移正常；
11、對振動數據進行傅里葉變換給出頻率成分和振動幅值，分別與頻率范圍閾值和振動范圍閾值進行比對，給出拉繩的初步振動異常結果，包括：
12、根據振動數據確定時間振動信號，并對時間振動信號進行傅里葉變換生成拉繩振動的頻譜圖；根據生成的頻譜圖提取頻率成分和振動賦值；在頻率成分超過頻率范圍閾值和/或振動賦值超過振動范圍閾值時，判斷為拉繩振動異常，反之，判斷為拉繩振動正常。
13、進一步的，基于每一維作業數據的初步異常結果，融合多維作業數據進行二次異常分析處理，給出拉繩異常結果，包括：
14、在判斷至少一維作業數據的初步異常結果為異常時，對視覺數據、張力數據、位移數據和振動數據進行概率分析，并基于概率分析結果給出拉繩在當前多維作業數據下的異常結果。
15、進一步的，對視覺數據、張力數據、位移數據和振動數據進行概率分析，并基于概率分析結果給出拉繩在當前多維作業數據下的異常結果，包括：
16、基于視覺數據、張力數據、位移數據和振動數據，確定在當前多維作業數據下拉繩處于不同異常狀態的概率；
17、基于拉繩的歷史異常狀態，確定拉繩處于不同異常狀態的初始概率；
18、結合在當前多維作業數據下拉繩處于不同異常狀態的概率和拉繩處于不同異常狀態的初始概率，給出拉繩在所有異常狀態下觀察到多維作業數據的總概率；
19、將在當前多維作業數據下拉繩處于不同異常狀態的概率和拉繩處于不同異常狀態的初始概率進行聯合處理，并計算聯合處理結果與拉繩在所有異常狀態下觀察到多維作業數據的總概率的比例，給出拉繩處于不同異常狀態的概率；
20、基于拉繩處于不同異常狀態的概率和不同異常狀態對應的概率閾值，確定拉繩存在的異常狀態和概率最大的異常狀態。
21、進一步的，基于視覺數據、張力數據、位移數據和振動數據，確定在當前多維作業數據下拉繩處于不同異常狀態的概率，包括：
22、基于預先通過歷史視覺數據和對應拉繩異常狀態構建的神經網絡分類模型，并結合當前視覺數據確定不同異常狀態下觀測到當前視覺數據的概率；基于預先通過歷史張力數據和對應拉繩異常狀態構建的正態分布模型，并結合當前張力數據確定不同異常狀態下觀測到當前張力數據的概率；基于拉繩不同異常狀態對應歷史位移數據的參考位移時間曲線，與當前位移數據對應的當前位移時間曲線分別進行相似度計算，確定不同異常狀態下觀測到當前位移數據的概率；將振動數據通過快速傅里葉變換轉換為頻域信號確定頻譜圖，利用頻譜圖的分布特征確定在不同異常狀態下觀測到當前振動數據的概率；
23、將相同異常狀態下分別觀測到當前視覺數據、張力數據、位移數據和振動數據的概率進行聯合處理，得到在當前多維作業數據下拉繩處于不同異常狀態的概率。
24、進一步的，基于拉繩歷史作業過程中的異常狀態，確定拉繩處于不同異常狀態的初始概率，包括：
25、根據拉繩歷史作業過程中的異常狀態，確定拉繩處于本文檔來自技高網...
【技術保護點】
1.一種融合多維數據的拉繩風險識別方法，其特征在于，包括：
2.如權利要求1所述的拉繩風險識別方法，其特征在于，基于采集的多維作業數據，并結合每一維作業數據對應的異常條件進行初步異常分析處理，給出每一維作業數據的初步異常結果，包括：
3.如權利要求2所述的拉繩風險識別方法，其特征在于，與拉繩在正常工作狀態下的標準位移時間曲線進行比對，給出拉繩的初步位移異常結果，包括：
4.如權利要求1所述的拉繩風險識別方法，其特征在于，基于每一維作業數據的初步異常結果，融合多維作業數據進行二次異常分析處理，給出拉繩異常結果，包括：
5.如權利要求4所述的拉繩風險識別方法，其特征在于，對視覺數據、張力數據、位移數據和振動數據進行概率分析，并基于概率分析結果給出拉繩在當前多維作業數據下的異常結果，包括：
6.如權利要求5所述的拉繩風險識別方法，其特征在于，基于視覺數據、張力數據、位移數據和振動數據，確定在當前多維作業數據下拉繩處于不同異常狀態的概率，包括：
7.如權利要求5或6所述的拉繩風險識別方法，其特征在于，基于拉繩歷史作業
8.如權利要求6所述的拉繩風險識別方法，其特征在于，結合在當前多維作業數據下拉繩處于不同異常狀態的概率和拉繩處于不同異常狀態的初始概率，給出拉繩在所有異常狀態下觀察到多維作業數據的總概率，包括：
9.如權利要求5所述的拉繩風險識別方法，其特征在于，基于拉繩異常結果和每一維作業數據的初步異常結果，給出拉繩的風險等級進行拉繩風險識別，包括：
10.一種融合多維數據的拉繩風險識別裝置，其特征在于，采用如權利要求1-9任一所述拉繩風險識別方法，裝置包括：
...【技術特征摘要】
1.一種融合多維數據的拉繩風險識別方法，其特征在于，包括：
2.如權利要求1所述的拉繩風險識別方法，其特征在于，基于采集的多維作業數據，并結合每一維作業數據對應的異常條件進行初步異常分析處理，給出每一維作業數據的初步異常結果，包括：
3.如權利要求2所述的拉繩風險識別方法，其特征在于，與拉繩在正常工作狀態下的標準位移時間曲線進行比對，給出拉繩的初步位移異常結果，包括：
4.如權利要求1所述的拉繩風險識別方法，其特征在于，基于每一維作業數據的初步異常結果，融合多維作業數據進行二次異常分析處理，給出拉繩異常結果，包括：
5.如權利要求4所述的拉繩風險識別方法，其特征在于，對視覺數據、張力數據、位移數據和振動數據進行概率分析，并基于概率分析結果給出拉繩在當前多維作業數據下的異常結果，包括：
6.如權利要求5所...
【專利技術屬性】
技術研發人員：沈飛，戴永東，張宇蓉，符瑞，錢彬，蔡鵬，鞠玲，馮唯，
申請(專利權)人：國網江蘇省電力有限公司泰州供電分公司，
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。