输电铁塔健康状态诊断方法与流程

摘要: 本发明涉及电力设备状态监测与智能诊断,更具体地说,本发明涉及一种输电铁塔健康状态诊断方法。背景技术:1、输电铁塔是电网输电线路的骨干支撑结构,其主材、斜材及辅材...
输电铁塔健康状态诊断方法与流程

本发明涉及电力设备状态监测与智能诊断,更具体地说,本发明涉及一种输电铁塔健康状态诊断方法。

背景技术:

1、输电铁塔是电网输电线路的骨干支撑结构,其主材、斜材及辅材之间普遍采用螺栓连接,单基铁塔连接螺栓数量可达数千个。铁塔长期暴露于户外,在环境,温度及导线张力变化等因素反复作用下,螺栓连接节点易出现松动、滑移乃至脱落,导致结构整体刚度下降、承载性能劣化,严重时可引发倒塔断线事故,威胁电网安全稳定运行。因此,如何及时、准确地诊断输电铁塔螺栓连接的健康状态,是输电线路运维领域亟待解决的问题。

2、目前公开的输电铁塔健康状态诊断技术方案主要包括:人工登塔抽检法,由检修人员登塔使用扳手或扭矩扳手逐个检查;预紧力检测法,通过扭矩扳手、划线法、磁附法、应变片法或预紧力回归预测间接获得螺栓预紧力,进而判断其健康状态;压电阻抗法,将压电片粘贴于螺栓或连接件表面,通过机电阻抗谱的变化诊断;振动参数法,对结构施加激励并测量固有频率、模态振型等参数的变化,判断其健康状态。

3、然而,深入分析现有技术,仍存在以下不足:

4、人工登塔抽检法覆盖率低、效率低、安全风险高,无法实现整塔诊断;预紧力检测法受螺纹摩擦影响,诊断结果误差大,难以适应复杂工况;压电阻抗法属接触式诊断,成本高、效率低,难以大范围推广应用;振动参数法易受环境激励干扰,且难以反映单点螺栓的状态变化。此外,现有声学检测法激励频率多按紧固时共振频率一次设定,而螺栓松动使共振频率连续漂移,固定激励下灵敏度随松动衰减、难检早期松动;此类方法还依赖大规模标注样本库,标签稀缺、类别不平衡时少数类易被淹没,精度鲁棒性不足。

技术实现思路

1、为了克服现有技术的上述缺陷,本发明的实施例提供输电铁塔健康状态诊断方法,通过依据铁塔共振频率设定声激励频率进行主动声激励并采集声纹信号,结合拉普拉斯支持向量机半监督学习利用无标签样本的结构信息进行模型训练,解决了现有输电铁塔健康状态诊断方法依赖大量标签样本建立声纹数据库、小样本及类别不平衡工况下诊断精度低、以及需登塔逐颗检测效率低下的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、一种输电铁塔健康状态诊断方法,包括以下步骤:

4、基于铁塔基准共振特性与当前响应频率偏移量对声激励频率进行受限校正,实施主动声激励并获取声纹信号,根据所述声纹信号构建包含无标签样本的训练集;

5、基于所述无标签样本的决策函数软输出估计类别结构、对所述训练集样本间的相似度矩阵进行类别平衡重加权构建,得到平衡拉普拉斯矩阵;

6、基于所述平衡拉普拉斯矩阵构建并训练拉普拉斯支持向量机半监督故障诊断模型,得到最终决策函数,根据所述最终决策函数,获得输电铁塔健康状态诊断结果。

7、在一个优选的实施方式中,所述基于铁塔基准共振特性与当前响应频率偏移量对声激励频率进行受限校正,包括:确定预设基准状态下不同声激励频率对应的结构响应幅值,建立基准激励频率-响应幅值曲线,并根据所述曲线中最大响应幅值对应的频率确定基准共振频率;对当前声纹信号进行频谱分析,确定当前共振峰频率,计算所述当前共振峰频率与所述基准共振频率之间的频率偏移量;根据所述频率偏移量对所述声激励频率进行调整,使调整后的声激励频率位于所述基准共振频率与所述当前共振峰频率之间。

8、在一个优选的实施方式中,所述拉普拉斯支持向量机半监督故障诊断模型,包括:基于所述训练集,计算各样本之间的相似度,构建相似度矩阵,根据所述相似度矩阵计算度矩阵和拉普拉斯矩阵;通过高斯径向基核函数计算各样本之间的核函数值,构建核矩阵;根据所述拉普拉斯矩阵和所述核矩阵构建目标函数,对所述目标函数进行求解,得到所述决策函数。

9、在一个优选的实施方式中,所述构建平衡拉普拉斯矩阵,包括:基于所述无标签样本训练初始决策函数,计算所述无标签样本的软分数;对所述软分数进行概率分布拟合,估计所述无标签样本属于少数类别的后验概率及所述少数类别在无标签样本中的占比;根据所述后验概率与所述占比,对所述相似度矩阵中相应样本间的边权重进行重加权,得到平衡相似度矩阵;

10、本发明一种输电铁塔健康状态诊断方法的技术效果和优点:

11、本发明通过声发射装置主动激励输电铁塔并采集声纹信号,无需逐颗检测螺栓、无需粘贴压电片等一次性传感器,单次激励即可覆盖螺栓密集区,降低风险与成本、提高监测效率;同时依据当前共振频率相对基准共振频率的偏移量在线调整激励频率,跟踪共振漂移,全周期保持高灵敏度、提升早期松动检出能力;利用基于平衡拉普拉斯矩阵的拉普拉斯支持向量机半监督模型,结合少量有标签与大量无标签样本训练,降低标注依赖,并经类别平衡重加权抑制少数类被淹没、提高不平衡下识别率,诊断松动即预警,有效解决了现有输电铁塔健康状态诊断方法依赖大量标签样本建立声纹数据库、小样本及类别不平衡工况下诊断精度低、以及需登塔逐颗检测效率低下的问题。

1.一种输电铁塔健康状态诊断方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的输电铁塔健康状态诊断方法,其特征在于,所述铁塔基准共振特性与当前响应频率偏移量,包括:

3.根据权利要求2所述的输电铁塔健康状态诊断方法,其特征在于,所述受限校正,包括:根据所述频率偏移量对所述声激励频率进行调整,使调整后的声激励频率位于所述基准共振频率与所述当前共振峰频率之间。

4.根据权利要求1所述的输电铁塔健康状态诊断方法,其特征在于,所述训练集包含有标签样本和无标签样本,其中,有标签样本用于表征螺栓紧固状态与松动状态。

5.根据权利要求1所述的输电铁塔健康状态诊断方法,其特征在于,所述拉普拉斯支持向量机半监督故障诊断模型,包括:

6.根据权利要求5所述的方法,其特征在于,所述构建平衡拉普拉斯矩阵,包括:

7.根据权利要求6所述的输电铁塔健康状态诊断方法,其特征在于,所述得到平衡相似度矩阵,包括:

8.根据权利要求6所述的方法,其特征在于,还包括:根据所述平衡相似度矩阵计算平衡度矩阵与平衡拉普拉斯矩阵;将所述目标函数中的图正则化项替换为基于所述平衡拉普拉斯矩阵的图正则化项,并交替迭代执行所述估计、所述重加权与模型训练,直至所述占比的估计收敛。

9.根据权利要求8所述的方法,其特征在于,所述交替迭代执行所述估计、所述重加权与模型训练,直至所述占比的估计收敛,包括:

10.根据权利要求1所述的输电铁塔健康状态诊断方法,其特征在于,所述输电铁塔健康状态诊断结果,包括: