CN112731213A - 电缆接头的压接缺陷检测方法、装置及计算机设备 - Google Patents
电缆接头的压接缺陷检测方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN112731213A CN112731213A CN202011475496.XA CN202011475496A CN112731213A CN 112731213 A CN112731213 A CN 112731213A CN 202011475496 A CN202011475496 A CN 202011475496A CN 112731213 A CN112731213 A CN 112731213A
- Authority
- CN
- China
- Prior art keywords
- cable
- temperature
- detected
- joint
- contact coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000002788 crimping Methods 0.000 title abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 230000006835 compression Effects 0.000 claims abstract description 5
- 238000007906 compression Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 31
- 230000036760 body temperature Effects 0.000 claims description 20
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 10
- 229910052751 metal Inorganic materials 0.000 claims description 7
- 239000002184 metal Substances 0.000 claims description 7
- 239000004020 conductor Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/66—Testing of connections, e.g. of plugs or non-disconnectable joints
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本申请涉及一种电缆接头的压接缺陷检测方法、装置、计算机设备和存储介质。所述方法包括:确定待检测电缆的温度数据以及待检测电缆的电流数据;将温度数据以及电流数据输入接触系数检测模型,得到待检测电缆的接触系数;接触系数用于表征待检测电缆与接头处连接部件之间的接触程度;根据接触系数对待检测电缆进行压接缺陷检测。采用本方法能够解决电缆接头压接缺陷检测不易、缺陷程度难以评估的技术问题,达到了准确判别电缆接头压接缺陷的技术效果。
Description
技术领域
本申请涉及电缆无损检测技术领域,特别是涉及一种电缆接头的压接缺陷检测方法、装置及计算机设备。
背景技术
在电力系统中,往往由于现场施工环境较差或者施工人员技术素质不足,造成电缆接头处压接管压力过大,从而导致压接管与电缆本体之间存在接触电阻。在电缆运行情况下,可能会由于接触电阻导致接头处温度过高,存在线路故障的风险,可以将这种风险定义为压接缺陷。
电缆运行后,针对电缆的检测可以是局部放电离线检测、电缆震荡波试验或者X射线检测。其中,局部放电检测和震荡波试验要离线试验需要断电,而且只检测电缆绝缘层的好坏,无法检测压接缺陷。而X射线检测一般是对电缆进X射线拍照,通过照片对电缆进行形变比对,无法准确判断压接缺陷。
目前,还不存在技术方案支持在电缆运行的情况下,准确无损地对电缆接头处的压接缺陷进行检测。
发明内容
本发明实施例提供了一种电缆接头的压接缺陷检测方法,解决了如何准确检测电缆接头的压接缺陷以及缺陷程度难以评估的技术问题。
根据本发明实施例的一个方面,提供了一种电缆接头的压接缺陷检测方法,包括:确定待检测电缆的温度数据以及待检测电缆的电流数据;将温度数据以及电流数据输入接触系数检测模型,得到待检测电缆的接触系数;接触系数用于表征待检测电缆与接头处连接部件之间的接触程度;根据接触系数对待检测电缆进行压接缺陷检测。
可选的,确定待检测电缆的温度数据,包括:获取待检测电缆的红外图像;根据红外图像确定待检测电缆的环境温度以及待检测电缆的本体温度以及待检测电缆的本体温度;
根据环境温度以及本体温度确定待检测电缆的温度梯度差;温度梯度差为待检测电缆接头处的温度梯度Ef1与待检测电缆的预设检测点的温度梯度Ef2的差值。
可选的,环境温度和温度梯度满足以下公式:
其中,T1为待检测电缆的接头处的表面温度,T2为待检测电缆的预设检测点的表面温度,Tamb环境温度,h是待检测电缆表面的对流换热系数,λ是待检测电缆本体材料,Ef1为待检测电缆的接头的温度梯度,Ef2为待检测电缆的预设检测点的温度梯度。
可选的,该方法还包括:构建训练样本集;训练样本集包括电缆负载电流、电缆接头处接触系数以及电缆温度数据;根据训练样本集训练神经网络模型,得到接触系数检测模型;接触系数检测模型的输入为电缆负载电流、以及电缆温度梯度差,接触系数检测模型的输出为电缆接头处接触系数。
可选的,构建训练样本集,包括:确定第一接触系数对应的第一电导率;确定第一电导率对应的第一温度数据以及第一负载电流;根据第一接触系数、第一温度数据以及第一负载电流构建训练样本集中的任意一组样本数据。
可选的,确定第一接触系数对应的第一电导率,包括:
根据以下公式确定第一接头处接触系数k对应的第一电导率σ2:
其中:δ20为电缆接头在20℃下的电导率,α为电导率随温度变化的温度系数,T为电缆的温度,r1表示电缆本体直径,r2表示电缆接头的外直径,k为接触系数,σ2电缆接头处的等效电导率。
可选的,确定第一电导率对应的第一温度数据以及第一负载电流,包括:在电缆接头三维模型输入第一负载电流以及第一电导率,获得温度分布信息;温度分布信息包括电缆接头处的温度分布信息以及电缆接头的预设范围内的温度分布信息,电缆接头三维模型包括:导体层、绝缘层、金属屏蔽层、外护套层;根据温度分布信息确定第一温度数据。
可选的,电缆温度数据包括电缆梯度温度差以及电缆环境温度;或,电缆温度数据包括电缆梯度温度差。
根据本发明实施例的另一方面,还提供了一种电缆接头的压接缺陷检测装置,该装置包括:确定模块,用于确定待检测电缆的温度数据以及待检测电缆的电流数据;输出模块,用于将温度数据以及电流数据输入接触系数检测模型,得到待检测电缆的接触系数;接触系数用于表征待检测电缆与接头处连接部件之间的接触程度;检测模块,用于根据接触系数对待检测电缆进行压接缺陷检测。
可选的,确定模块具体用于,获取待检测电缆的红外图像;根据红外图像确定待检测电缆的环境温度以及待检测电缆的本体温度以及待检测电缆的本体温度;
根据环境温度以及本体温度确定待检测电缆的温度梯度差;温度梯度差为待检测电缆接头处的温度梯度Ef1与待检测电缆的预设检测点的温度梯度Ef2的差值。
可选的,环境温度和温度梯度满足以下公式:
其中,T1为待检测电缆的接头处的表面温度,T2为待检测电缆的预设检测点的表面温度,Tamb环境温度,h是待检测电缆表面的对流换热系数,λ是待检测电缆本体材料,Ef1为待检测电缆的接头的温度梯度,Ef2为待检测电缆的预设检测点的温度梯度。
可选的,该装置还包括建模模块,建模模块用于,构建训练样本集;训练样本集包括电缆负载电流、电缆接头处接触系数以及电缆温度数据;根据训练样本集训练神经网络模型,得到接触系数检测模型;接触系数检测模型的输入为电缆负载电流以及电缆温度梯度差,接触系数检测模型的输出为电缆接头处接触系数。
可选的,建模模块具体用于,确定第一接触系数对应的第一电导率;确定第一电导率对应的第一温度数据以及第一负载电流;根据第一接触系数、第一温度数据以及第一负载电流构建训练样本集中的任意一组样本数据。
可选的,建模模块具体用于,根据以下公式确定第一接头处接触系数k对应的第一电导率σ2:
其中:δ20为电缆接头在20℃下的电导率,α为电导率随温度变化的温度系数,T为电缆的温度,r1表示电缆本体直径,r2表示电缆接头的外直径,k为接触系数,σ2电缆接头处的等效电导率。
可选的,建模模块具体用于,在电缆接头三维模型输入第一负载电流以及第一电导率,获得温度分布信息;温度分布信息包括电缆接头处的温度分布信息以及电缆接头的预设范围内的温度分布信息,电缆接头三维模型包括:导体层、绝缘层、金属屏蔽层、外护套层;根据温度分布信息确定第一温度数据。
可选的,电缆温度数据包括电缆梯度温度差以及电缆环境温度;或,电缆温度数据包括电缆梯度温度差。
根据本发明实施例的另一方面,还提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述实施例中任一项的方法的步骤。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中任一项的方法的步骤。
在本发明实施例中,采用计算压接系数判断电缆压接缺陷的方式,通过接触系数检测模型处理电缆的红外图像提取温度数据、电缆的电流数据,计算出电缆接头出的压接系数,通过判断压接系数的取值是否超过阈值,得到电缆压接缺陷程度判别结果,达到了压接缺陷准确判别的目的,进而解决了缺陷不易测量、缺陷程度难以评估的技术问题。
附图说明
图1为本申请实施例提供的电缆接头示意图;
图2为本申请实施例提供的电缆接头的压接缺陷检测方法的步骤流程图;
图3为本申请实施例提供的电缆接头的压接缺陷检测方法的另一步骤流程图;
图4为本申请实施例提供的电缆温度各点温度测试的示意图;
图5为本申请实施例提供的构建神经网络的步骤流程图;
图6为本申请实施例提供的构建神经网络的另一步骤流程图;
图7为本申请实施例提供的电缆接头电导率的示意图;
图8为本申请实施例提供的压接缺陷检测方法的另一步骤流程图;
图9为本申请实施例提供的一种检测装置的示意图;
图10为本申请实施例提供的检测装置的另一示意图;
图11为一个实施例中提供了一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在电力系统中,电缆之间常常通过接头处连接部件连接。如图1所示,电缆1和电缆2通过连接部件3进行连接。参考图1,连接部件3对应的区域可以称为电缆接头处。其中,连接部件3还可以称为压接管,连接部件3可以是金属管,例如:铜管或铝管等。
电缆本体和连接部件之间一般通过压接方式进行连接,可以满足连接器的小型化和高可靠性的要求。由于施工环境、工人施工技术不足等原因,导致压接管与电缆之间的压力过大,使得电缆产生接触电阻。电缆在运行过程中,由于接触电阻导致电流密度增大,电磁损耗增大,会导致电缆接头处温度升高等缺陷,这种缺陷即为压接缺陷。
现有技术中压接缺陷检测的精度不高,本申请提出了一种电缆接头的压接缺陷检测方法,能够提高电缆接头处的压接缺陷的检测精度。具体地,通过神经网络模型检测计算电缆接头处的压接管与电缆之间的接触系数,接触系数可以量化表示电缆接头处的压接缺陷的缺陷程度。进一步利用压接管与电缆之间的接触系数判断是否存在压接缺陷,可以较为精确地检测出压接缺陷。解决了电缆接头压接缺陷检测不易、缺陷程度难以评估的技术问题,达到了准确判别电缆接头压接缺陷的技术效果。
本申请实施例提供了一种电缆接头的压接缺陷检测方法,如图2所示,所述方法具体包括以下步骤:
步骤101,确定待检测电缆的温度数据以及待检测电缆的电流数据。
具体的,上述温度数据指的待检测电缆的温度梯度差,所述温度梯度差表征电缆接头附近温度的变化;电流数据指检测时电缆的负载电流。当然,还可以通过其它方式检测电缆的负载电流,本申请实施例对此不做限制。
需要说明的是,电缆负载电流、电缆温度数据可以影响待检测电缆的接触系数,也就是说待检测电缆的接触系数与电缆的负载电流、电缆接头处的温度之间存在非线性关系。本申请实施例可以利用电缆的负载电流、电缆的温度数据等样本训练神经网络模型(例如,本申请实施例所述的接触系数检测模型),从而利用训练所得的神经网络模型计算待检测电缆的接触系数。具体地,该神经网络模型的输入可以是待检测电缆的负载电流、待检测电缆温度梯度差以及电缆环境温度,输出待检测电缆接头处压接管与电缆之间的接触系数。
为了计算待检测电缆的接触系数,首先可以获取待检测电缆的温度数据以及待检测电缆的电流数据,以便根据二者来确定待检测电缆的接触系数。
具体实现中,通过提取红外图像拍摄待检测电缆的本体温度和电缆附近的环境温度,根据计算温度梯度差的公式计算出待检测电缆的温度梯度,确定待检测电缆的温度数据。一种可能的实现方式中,待检测电缆接头处的温度梯度和预设处的温度梯度做差来计算。通过检测到的电缆的负载电流确定待检测电缆的电流数据。一种可能的实现方式中,可以利用电流互感器对电缆的负载电流进行测量得到电缆的负载电流。
需要说明的是,为了使得参与计算的数据更加有效、计算待检测电缆的接触系数更加准确,本申请实施例中待检测电缆的温度数据可以是待检测电缆温度梯度差。
步骤102,将温度数据以及电流数据输入接触系数检测模型,得到待检测电缆的接触系数。
具体的,接触系数检测模型是利用电缆温度数据以及电缆负载电流等作为神经网络模型的输入,可用于计算待检测电缆接头的接触系数。在一种可能实现方式中,待检测电缆的温度数据和待检测电缆的电流值作为接触系数检测模型的输入,接触系数检测模型输出为待检测电缆的接触系数。
步骤103,根据接触系数对待检测电缆进行压接缺陷检测。
需要说明的是,接触系数可以表征电缆与电缆的接头处连接部件之间的接触程度。例如,在本申请实施例中步骤S101中获得的接触系数可以表征待检测电缆的本体与接头处连接部件之间的接触程度。
一种可能的实现方式中,接触系数越大,电缆接头处连接部件与电缆的表面接触程度越高,接触电阻越大,在电缆运行的情况下,电缆的温度会急剧升高,存在风险。因此可以设置接触系数阈值衡量是否存在压接缺陷。当接触系数检测模型输出的接触系数超过接触系数阈值,表明存在压接缺陷。
在一种可选的实施例中,接触系数阈值可以设置成2.7,当步骤102接触系数检测模型输出的接触系数k大于等于2.7,则对待检测电缆进行压接缺陷检测的检测结果为存在压接缺陷;输出接触系数k小于2.7,则检测结果为不存在压接缺陷。
本申请实施例提供的方法中,通过接触系数检测模型计算待检测电缆接头处连接器件与电缆接触的接触系数。具体地,通过确定待检测电缆的温度数据以及待检测电缆的电流数据;将温度数据以及电流数据输入接触系数检测模型,得到待检测电缆的接触系数。对电缆和压接管的接触程度的量化检测,从而可以根据接触系数对待检测电缆进行较为精准的压接缺陷检测,解决了现有技术电缆接头压接缺陷检测精度不高、缺陷程度难以准确评估的技术问题。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
本申请实施例提供的方法中,还可以通过待检测电缆的红外图像来确定待检测电缆的温度数据。示例的,如图3所示,本申请实施例涉及的确定待检测电缆的温度数据的具体流程包括如下步骤201~步骤203:
步骤201,获取待检测电缆的红外图像。
具体的,红外图像指的通过者红外热像仪对待检测电缆不同位置进行拍摄的红外像素图像,可以是手持式红外热像仪,也可以是望远式热像仪。
在一种可选的实施例中,通过红外热像仪对待测电缆不同位置进行拍摄,获取待检测电缆的红外图像。热像仪拍摄的电缆的红外图像包括红外像素点,不同的像素点对应不同的温度值。通过对红外图像进行像素点分析,可以确定电缆不同位置的温度值,例如,电缆接头处的表面温度、接头处的环境温度、电缆任意测试点处的表面温度、电缆任意测试点处的环境温度。示例的,上述测试点的位置为距离待检测电缆接头1米之内任意距离位置。
步骤202,根据红外图像确定待检测电缆的环境温度以及待检测电缆的本体温度;
具体的,待检测电缆的本体温度可以是待检测电缆表面的温度,待检测电缆的环境温度可以是距离待检测电缆上表面一定距离处的温度。本申请实施例中待检测电缆的环境温度可以包括接头处的环境温度以及待检测电缆的预设检测点处的环境温度,待检测电缆的表面温度可以包括接头处的表面温度以及待检测电缆的预设检测点处的表面温度。
示例的,参考图4,电缆接头处的温度数据包括位置4处的温度以及位置5处的温度。其中,位置5与电缆本体上表面的距离为d1,位置5处的温度为电缆接头处的环境温度,位置4处的温度为电缆接头处的表面温度。接头处与预设检测点之间的距离为d2,预设检测点处的温度数据包括位置6处的温度以及位置7处的温度,位置6处的温度为预设检测点处的本体温度,位置7处的温度为预设检测点的环境温度。
步骤203,根据待检测电缆的环境温度以及待检测电缆的本体温度确定待检测电缆的温度梯度差。
可选的,温度梯度差为待检测电缆的接头处温度梯度Ef1与待检测电缆的预设检测点的温度梯度Ef2的差值。
可选的,环境温度和温度梯度满足以下公式:
其中,T1为待检测电缆的接头处的表面温度,T2为待检测电缆的预设检测点的表面温度,Tamb环境温度,h是待检测电缆表面的对流换热系数,λ是待检测电缆本体材料,Ef1为待检测电缆的接头的温度梯度,Ef2为待检测电缆的预设检测点的温度梯度。
在一种可选的实施例中,将待检测电缆的环境温度以及待检测电缆的本体温度代入环境温度和温度梯度满足的公式进行计算,分别得到电缆接头的温度梯度和待检测点处的温度梯度,再将电缆接头的温度梯度和待检测点处的温度梯度做差,得到的差值为待检测电缆的温度梯度差。如图4所示,将位置4处的温度(30℃)、位置5处的温度(25℃)代入公式(1)计算待检测电缆的接头的温度梯度Ef1,例如:当λ=1,h=1时,其中,;将位置6处的温度(28℃)、位置7处的温度(25℃)代入公式(2)计算待检测电缆的接头的温度梯度Ef2,例如:当λ=1,h=1时,待检测电缆的接头处温度梯度Ef1减去待检测电缆的预设检测点的温度梯度Ef2的值为温度梯度差,例如:Ef1的值为-5℃,Ef2的值为-3℃,则温度梯度差为Ef1-Ef2=-2℃。需要说明的是,从上述待检测电缆的环境温度以及待检测电缆的本体温度可直接从热像仪中读取。
本申请实施例提供的方法中,还可以构建训练样本集,训练接触系数检测模型。如图5所示,具体包括以下步骤:
步骤501、构建训练样本集。
其中,训练样本集包括电缆负载电流、电缆接头处接触系数以及电缆温度数据。
步骤502、根据上述训练样本集训练神经网络模型,得到接触系数检测模型。接触系数检测模型的输入为电缆负载电流以及电缆温度梯度差,输出为电缆接头处接触系数。
具体实现中可以根据图6三个步骤来构建一组样本数据,从而可以获取大量样本数据,构成训练样本集:
步骤S1,确定第一接触系数对应的第一电导率;
具体实现中,可以预设电缆接触系数,根据电缆接触系数和电缆电导率的映射关系,计算出相应的电缆电导率。示例的,根据第一接触系数确定与第一接触系数对应的第一电导率。
步骤S2,确定第一电导率对应的第一温度数据以及第一负载电流;
需要说明的是,电缆在运行过程中,由于接触电阻的存在影响电缆的电导率以及电缆的温度,因此,电缆的电导率和电缆的负载电流、电缆的温度之间存在映射关系。本申请实施例中,仿真电缆的三维模型后,在给定电缆电导率、电缆负载电流后,可以得出仿真下的电缆温度数据。
因此,可以确定电缆电导率、电缆负载电流以及电缆温度数据的对应关系。例如,确定第一电导率对应的第一温度数据以及第一负载电流。
步骤S3,根据第一接触系数、第一温度数据以及第一负载电流构建训练样本集中的任意一组样本数据。
需要说明的是,通过上述获得到的第一电导率、第一接触系数、第一温度数据、第一负载电流构成一组样本数据,通过采用同样的方式获得多组样本数据,即构成样本数据集,用来训练接触系数检测模型。
一种可能的实现方式中,根据如下公式(3)确定某个接触系数对应的电导率,例如,确定第一接头处接触系数k对应的第一电导率σ2:
参考图7,δ20为电缆接头在20℃下的电导率,α为电导率随温度变化的温度系数,T为电缆的温度,r1表示电缆本体直径,r2表示电缆接头的外直径,k为接触系数,σ2电缆接头处的等效电导率。
例如:以电缆为铜为例,当δ20=0.0185,K=1,T=30,r1=1,r2=2,,α=1时,计算得到的电缆的电导率为;0.00042。其中,第一接触系数为1,与第一接触系数对应的第一电导率为0.00042。
一种可能的实现方式中,确定第一电导率对应的第一温度数据以及第一负载电流,包括:在电缆接头三维模型输入第一负载电流以及第一电导率,获得温度分布信息;温度分布信息包括电缆接头处的温度分布信息以及电缆接头的预设范围内的温度分布信息,电缆接头三维模型包括:导体层、绝缘层、金属屏蔽层、外护套层;根据温度分布信息确定第一温度数据。
具体的,根据电缆的结构、尺寸、材料构建电缆接头的三维模型,电缆接头的三维模型包括导体层、绝缘层、金属屏蔽层、外护套层。通过将第一负载电流和第一电导率输入到电缆接头的三维模型,仿真得到温度分布信息,温度分布信息包括电缆接头处的温度分布信息以及电缆接头的预设范围内的温度分布信息。示例的,预设范围可以为距离电缆接头处1米内的范围。
进一步,还可以根据温度分布信息可以确定第一温度数据,例如,确定电缆接头处的本体温度、环境温度,以及电缆的预设检测点处的环境温度和本体温度。
可选的,电缆温度数据包括电缆梯度温度差以及电缆环境温度;或,电缆温度数据包括电缆梯度温度差。
本申请实施例还提供了一种压接缺陷检测方法,执行主体为检测装置,如图8所示,所述方法包括以下步骤:
801、训练接触系数检测模型。
具体地,首先构建接触系数检测模型的训练数据集,然后通过训练数据集对接触系数的检测模型进行训练得到稳定的接触系数检测模型。
802、拍摄待检测电缆的红外图像,根据待检测电缆的红外图像确定待检测电缆的温度数据。
在进行待检测电缆接头压接缺陷的检测前,获取热像仪拍摄待检测电缆的红外图像,并对红外图像进行分析,确定电缆的温度数据,包括电缆接头表面温度、电缆接头处环境温度、距电缆接头1米处的预设检测点处的电缆表面温度以及预设检测点处的环境温度。
根据上述温度数据确定待检测电缆的温度梯度差。
803、检测待检测电缆的负载电流。
804、将待检测电缆的温度梯度差以及待检测电缆的负载电流输入接触系数检测模型,获得待检测电缆的接触系数。
805、根据待检测电缆的接触系数进行压接缺陷检测。
具体地,接触系数检测模型输出接触系数K,判断接触系数K的值是否大于等于接触系数阈值(例如,2.7)。如果输出的接触系数K大于接触系数阈值,则输出提示信息,指示存在压接缺陷。
本申请实施例提供了一种检测装置,可用于检测电缆接头的压接缺陷。如图9所示,该检测装置90可以包括:确定模块901、输出模块902和检测模块903。
确定模块901,用于确定待检测电缆的温度数据以及待检测电缆的电流数据;
输出模块902,用于将温度数据以及电流数据输入接触系数检测模型,得到待检测电缆的接触系数;接触系数用于表征待检测电缆与接头处连接部件之间的接触程度;
检测模块903,用于根据接触系数对待检测电缆进行压接缺陷检测。
可选地,确定模块901具体用于,根据红外图像确定待检测电缆的环境温度以及待检测电缆的本体温度以及待检测电缆的本体温度;根据环境温度以及本体温度确定待检测电缆的温度梯度差;温度梯度差为待检测电缆接头处的温度梯度Ef1与待检测电缆的预设检测点的温度梯度Ef2的差值。
可选的,环境温度和温度梯度满足以下公式:
其中,T1为待检测电缆的接头处的表面温度,T2为待检测电缆的预设检测点的表面温度,Tamb环境温度,h是待检测电缆表面的对流换热系数,λ是待检测电缆本体材料,Ef1为待检测电缆的接头的温度梯度,Ef2为待检测电缆的预设检测点的温度梯度。
可选的,如图10所示,该检测装置还包括:建模模块904,用于构建训练样本集;训练样本集包括电缆负载电流、电缆接头处接触系数以及电缆温度数据。建模模块904还用于,根据训练样本集训练神经网络模型,得到接触系数检测模型;接触系数检测模型的输入为电缆负载电流以及电缆温度梯度差,接触系数检测模型的输出为电缆接头处接触系数。
建模模块904具体用于,确定第一接触系数对应的第一电导率,确定第一电导率对应的第一温度数据以及第一负载电流。还可以根据第一接触系数、第一温度数据以及第一负载电流构建训练样本集中的任意一组样本数据。
具体的,通过以下公式确定第一接头处接触系数k对应的第一电导率σ2:
其中:δ20为电缆接头在20℃下的电导率,α为电导率随温度变化的温度系数,T为电缆的温度,r1表示电缆本体直径,r2表示电缆接头的外直径,k为接触系数,σ2电缆接头处的等效电导率。
建模模块904还用于,在电缆接头三维模型输入第一负载电流以及第一电导率,获得温度分布信息,根据温度分布信息确定第一温度数据。其中,温度分布信息包括电缆接头处的温度分布信息以及电缆接头的预设范围内的温度分布信息,电缆接头三维模型包括:导体层、绝缘层、金属屏蔽层、外护套层;
可选的,电缆温度数据包括电缆梯度温度差以及电缆环境温度;或,电缆温度数据包括电缆梯度温度差。
关于一种电缆接头的压接缺陷检测装置的具体限定可以参见上文中对于一种电缆接头的压接缺陷检测方法的限定,在此不再赘述。上述一种电缆接头的压接缺陷检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电缆接头的压接缺陷检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现本申请实施例图2、图3、图5、图6以及图9所示的方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请实施例图2、图3、图5、图6以及图9所示的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种电缆接头的压接缺陷检测方法,其特征在于,所述方法包括:
确定待检测电缆的温度数据以及所述待检测电缆的电流数据;
将所述温度数据以及所述电流数据输入接触系数检测模型,得到所述待检测电缆的接触系数;所述接触系数用于表征所述待检测电缆与接头处连接部件之间的接触程度;
根据所述接触系数对所述待检测电缆进行压接缺陷检测。
2.根据权利要求1所述的方法,其特征在于,所述确定待检测电缆的温度数据,包括:
获取所述待检测电缆的红外图像;
根据所述红外图像确定所述待检测电缆的环境温度以及所述待检测电缆的本体温度;
根据所述环境温度以及所述本体温度确定所述待检测电缆的温度梯度差;所述温度梯度差为所述待检测电缆的接头处的温度梯度Ef1与所述待检测电缆的预设检测点的温度梯度Ef2的差值。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
构建训练样本集;所述训练样本集包括电缆负载电流、电缆接头处接触系数以及电缆温度数据;
根据所述训练样本集训练神经网络模型,得到所述接触系数检测模型;所述接触系数检测模型的输入为所述电缆负载电流以及所述电缆温度梯度差,所述接触系数检测模型的输出为所述电缆接头处接触系数。
5.根据权利要求4所述的方法,其特征在于,所述构建训练样本集,包括:
确定第一接触系数对应的第一电导率;
确定所述第一电导率对应的第一温度数据以及第一负载电流;
根据所述第一接触系数、所述第一温度数据以及所述第一负载电流构建训练样本集中的任意一组样本数据。
7.根据权利要求5所述的方法,其特征在于,所述确定所述第一电导率对应的第一温度数据以及第一负载电流,包括:
在电缆接头三维模型输入所述第一负载电流以及所述第一电导率,获得温度分布信息;所述温度分布信息包括电缆接头处的温度分布信息以及电缆接头的预设范围内的温度分布信息,所述电缆接头三维模型包括:导体层、绝缘层、金属屏蔽层、外护套层;
根据所述温度分布信息确定所述第一温度数据。
8.根据权利要求4所述的方法,其特征在于,所述电缆温度数据包括电缆梯度温度差以及电缆环境温度;或,所述电缆温度数据包括电缆梯度温度差。
9.一种检测装置,其特征在于,所述检测装置包括:
确定模块,用于确定待检测电缆的温度数据以及所述待检测电缆的电流数据;
输出模块,用于将所述温度数据以及所述电流数据输入接触系数检测模型,得到所述待检测电缆的接触系数;所述接触系数用于表征所述待检测电缆与接头处连接部件之间的接触程度;
检测模块,用于根据所述接触系数对所述待检测电缆进行压接缺陷检测。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475496.XA CN112731213A (zh) | 2020-12-15 | 2020-12-15 | 电缆接头的压接缺陷检测方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475496.XA CN112731213A (zh) | 2020-12-15 | 2020-12-15 | 电缆接头的压接缺陷检测方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112731213A true CN112731213A (zh) | 2021-04-30 |
Family
ID=75602334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011475496.XA Pending CN112731213A (zh) | 2020-12-15 | 2020-12-15 | 电缆接头的压接缺陷检测方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112731213A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115421082A (zh) * | 2022-09-01 | 2022-12-02 | 华能国际电力股份有限公司河北清洁能源分公司 | 一种金具与电缆导体压接状态测试装置及方法 |
CN118279810A (zh) * | 2024-04-19 | 2024-07-02 | 南京炜臻柏网络科技有限公司 | 用于电网供电的汇流箱内对象接触状态识别系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614597A (zh) * | 2009-07-21 | 2009-12-30 | 太原理工大学 | 一种用于矿井巷道高压电缆接头状态的监测装置 |
CN109596634A (zh) * | 2018-12-30 | 2019-04-09 | 国网北京市电力公司 | 电缆缺陷的检测方法及装置、存储介质、处理器 |
CN111539130A (zh) * | 2020-05-29 | 2020-08-14 | 山东建筑大学 | 中深层地埋管地热换热器钻孔深度的设计计算方法 |
-
2020
- 2020-12-15 CN CN202011475496.XA patent/CN112731213A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614597A (zh) * | 2009-07-21 | 2009-12-30 | 太原理工大学 | 一种用于矿井巷道高压电缆接头状态的监测装置 |
CN109596634A (zh) * | 2018-12-30 | 2019-04-09 | 国网北京市电力公司 | 电缆缺陷的检测方法及装置、存储介质、处理器 |
CN111539130A (zh) * | 2020-05-29 | 2020-08-14 | 山东建筑大学 | 中深层地埋管地热换热器钻孔深度的设计计算方法 |
Non-Patent Citations (2)
Title |
---|
程鹏: "电缆接头内部缺陷下的电磁-热-力特性及表征方法研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
罗杨茜玥: "基于阻抗频域信息的电缆接头内部缺陷评估方法", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115421082A (zh) * | 2022-09-01 | 2022-12-02 | 华能国际电力股份有限公司河北清洁能源分公司 | 一种金具与电缆导体压接状态测试装置及方法 |
CN118279810A (zh) * | 2024-04-19 | 2024-07-02 | 南京炜臻柏网络科技有限公司 | 用于电网供电的汇流箱内对象接触状态识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112731213A (zh) | 电缆接头的压接缺陷检测方法、装置及计算机设备 | |
US20140037217A1 (en) | Method and system for direct strain imaging | |
CN110543717B (zh) | 一种gis设备温升特性仿真模型的构建方法及装置 | |
CN111458573A (zh) | 导线电力参数测量方法、装置、系统和计算机设备 | |
CN108920742B (zh) | 一种基于表面温度概率密度分布的电缆内部缺陷表征方法 | |
KR101942182B1 (ko) | 화재 피해를 입은 구조물의 잔존 강도 평가 방법 | |
CN113607351A (zh) | 电缆密闭性测试装置、方法、计算机设备和存储介质 | |
JP2015094717A (ja) | 熱疲労寿命予測装置、熱疲労寿命予測方法、プログラム | |
CN111650539A (zh) | 导线运行参数检测方法、系统、装置和计算机设备 | |
CN112881818A (zh) | 电场强度测量方法、装置、计算机设备和存储介质 | |
CN113588488A (zh) | 电缆的缺陷检测方法、装置、终端设备及存储介质 | |
CN114910756A (zh) | 一种低压母线槽的绝缘性能评估方法及系统 | |
CN116679146A (zh) | 电连接器的寿命预测方法及装置 | |
CN113218986B (zh) | 一种用于预应力压浆施工后密实度的检测系统及方法 | |
KR102026427B1 (ko) | 스마트폰을 이용한 콘크리트 균열 측정 방법 | |
CN113358226B (zh) | 一种温度测量方法、电子设备及存储介质 | |
CN111680389A (zh) | 设备寿命量化方法、装置、计算机设备和存储介质 | |
JP7316855B2 (ja) | 温度分布推定装置及び温度分布推定方法 | |
JP6464815B2 (ja) | 歪み測定方法及び装置、並びにプログラム及び記録媒体 | |
CN111179670A (zh) | 物理电学实验结果的量化方法、装置、终端和存储介质 | |
CN113866536B (zh) | 温升检测方法、装置和温升检测系统 | |
KR102452394B1 (ko) | 딥러닝 기반 열전대 온도센서 실측을 통한 측정대상의 전체 온도 분포 예측 장치 및 방법 | |
CN111814295A (zh) | 热仿真模型的验证方法、系统、计算机设备及存储介质 | |
Berg et al. | On the Stationarity of the Informational Parameters Calculated from the Burning Torch Frame Sequences in Infrared Band | |
CN115656258B (zh) | 基于fbg温度传感器阵列的套管受潮诊断方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210430 |
|
RJ01 | Rejection of invention patent application after publication |