CN113671037A - 一种支柱绝缘子振动声学信号处理方法 - Google Patents
一种支柱绝缘子振动声学信号处理方法 Download PDFInfo
- Publication number
- CN113671037A CN113671037A CN202111021409.8A CN202111021409A CN113671037A CN 113671037 A CN113671037 A CN 113671037A CN 202111021409 A CN202111021409 A CN 202111021409A CN 113671037 A CN113671037 A CN 113671037A
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- vibration
- matrix
- post insulator
- 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.)
- Granted
Links
- 239000012212 insulator Substances 0.000 title claims abstract description 42
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 76
- 239000011159 matrix material Substances 0.000 claims abstract description 63
- 238000000926 separation method Methods 0.000 claims abstract description 49
- 230000007547 defect Effects 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000004069 differentiation Effects 0.000 claims abstract description 11
- 239000000523 sample Substances 0.000 claims abstract description 9
- 238000012512 characterization method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 24
- 238000012880 independent component analysis Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000002087 whitening effect Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 230000008859 change Effects 0.000 description 5
- 230000032683 aging Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
- G01N29/42—Detecting the response signal, e.g. electronic circuits specially adapted therefor by frequency filtering or by tuning to resonant frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4427—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with stored values, e.g. threshold values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/014—Resonance or resonant frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种支柱绝缘子振动声学信号处理方法,包括以下步骤:1)对支柱绝缘子下法兰处施加振动信号,激发支柱绝缘子纵向振动并通过接收探头采集振动声波信号;2)对采集到的振动声波信号进行傅里叶变换转换成频域信号,然后进行频域空间的盲信号分离,对分离所得信号根据相似性度量当前检测信号和基准信号的差异化程度;3)对得到的表征绝缘子不同微裂纹处声振信号的特征信息和对应分离矩阵进行重构,最终获得表征支柱绝缘子损伤的声振信号得出微裂纹损伤信息,实现支柱绝缘子微裂纹的声振信号定位和定征分析。本发明克服了以往依赖单次检测信号结果或依靠人工经验判断检测结果的缺点,提高了振动声学检测在实际应用中的缺陷检出率。
Description
技术领域
本发明属于支柱绝缘子检测技术领域,尤其是一种支柱绝缘子振动声学信号处理方法。
背景技术
支柱绝缘子是发电厂和变电站的重要组成设备,大量使用于电力系统中的瓷支柱绝缘子起着支撑导线、断路器和高压开关的作用。绝缘子的老化是一个渐变的过程,如果不及时发现,就可能导致电力设备发生故障,从而引发突发性的电力事故,甚至造成附近工作人员的伤亡和巨大的经济损失。振动声学检测支柱绝缘子相比其他传统检测方法具有一定的优势,因而应用越来越广泛。
然而微小裂纹引起的绝缘子固有频率变化较小,现场复杂环境因素进一步降低了检测信号的信噪比,目前的检测方法都是依赖单次检测信号结果或依靠人工经验判断检测结果的异常,导致振动声学检测在实际应用中缺陷检出率很低,还很难满足现场应用要求。
盲信号分离最早由Herault和Jutten在1985年提出,指的是从多个观测到的混合信号中分析出没有观测的原始信号。通常观测到的混合信号来自多个传感器的输出,并且传感器的输出信号独立(线性不相关)。独立分量分析(ICA,Independent ComponentAnalysis)是为了解决盲信号分离问题而逐渐发展起来的一种新技术。盲信号分离大部分都采用独立分量分析的方法,即将接收到的混合信号按照统计独立的原则通过优化算法分解为若干独立分量,这些独立分量作为源信号的一种近似估计。
发明内容
本发明的目的在于克服上述现有技术的不足,提供一种支柱绝缘子振动声学信号处理方法,该方法采用盲信号分离的频域信号处理技术,克服以往依赖单次检测信号结果或依靠人工经验判断检测结果的缺点,以提高振动声学检测在实际应用中的缺陷检出率。
为实现上述目的,本发明采用的技术方案如下:一种支柱绝缘子振动声学信号处理方法,其包括以下步骤:
1)对支柱绝缘子下法兰处施加振动信号,激发支柱绝缘子纵向振动并通过接收探头采集振动声波信号;
2)对采集到的振动声波信号进行傅里叶变换转换成频域信号,然后进行频域空间的盲信号分离,得到分离矩阵,对分离所得信号根据相似性度量当前检测信号和基准信号的差异化程度;
3)对上述经盲信号分离后得到的表征绝缘子不同微裂纹处声振信号的特征信息和对应分离矩阵进行重构:当前检测信号和基准信号的差异化程度超过设定阈值时,即表明当前检测信号中存在损伤缺陷,按照相似性度量结果的差异,即可从不同层次观察微裂纹的存在对于检测信号造成的影响,从而获得频域空间下微裂纹相关损伤的特征信息,然后对分离矩阵重构,最终获得表征支柱绝缘子损伤的声振信号,实现支柱绝缘子微裂纹的声振信号定位和定征分析。
进一步地,在步骤1)中,产生施加的振动信号分为以下步骤:
11)由单片机或者任意函数信号发生器产生随机振动信号;
12)将产生的随机振动信号经过带通滤波器滤波后得到1~10KHz的振动信号;
13)由功率放大器将步骤12)中的振动信号放大并传送至振动发射探头,产生1~10KHz的振动信号。
进一步地,在步骤2)中,对采集到的信号进行傅里叶变换,转换成频域信号之后,需要对频域信号降噪,接着对频域信号进行带通滤波,得到1~10KHz的频域信号,之后对其进行盲信号分离。
更进一步地,所述当前检测信号是进行微裂纹检测的检测信号,即接收探头采集到的数据经过降噪处理后的1~10KHz的频域信号。
进一步地,步骤2)中,盲信号分离采用独立分量分析方法。
更进一步地,所述独立分量分析方法采用的算法为Fast-ICA算法。
再进一步地,所述Fast-ICA算法包括预处理和分离矩阵求解,预处理包括对数据的中心化和白化,获得分离矩阵后和分析矩阵相乘后即可从中提取出源信号矩阵,分离矩阵求逆即可获得权重矩阵,即
X=AS,
式中:上标b表示基准信号,上标t表示当前检测信号,n为选取的信号的个数,所有信号按行向量排列构成分析矩阵X;A为权重矩阵,S为源信号矩阵,改写成矩阵形式如下:
式中:si为提取的源信号,i=1,2,3,…,M;ab表示基准信号,at表示当前检测信号;提取的源信号个数小于分析矩阵中的信号个数,即M≤2n,提取的源信号存在方差和其在矩阵S中排序不确定,因此,需要从中筛选仅与缺陷相关的源信号,每一个源信号对应于在数据采集过程中的一种影响因素,因为在分析矩阵构建过程中从基准库和从当前检测信号中选择的信号都是随机确定;
而缺陷只可能对当前检测信号产生影响,即缺陷对当前检测信号和基准信号影响的权重不同;若源信号sj表示缺陷对信号的影响,则其对应的在各信号中的权重组成的矢量[ab1,j ab2,j…abn,j at1,j at2,j…atn,j]T具有阶跃性特征;通过检验权重矩阵中的权重矢量是否存在显著的阶跃性特征即可判别当前信号中是否存在缺陷。
进一步地,步骤2)中,对分离所得信号采用相似性距离度量作为评判当前检测信号和基准信号的差异化程度,两者差异超过设定阈值时,即表明当前检测信号中存在损伤缺陷。
进一步地,所述基准信号为在已确认被检测对象结构完整的情况下进行采集的数据。这类数据在检测时,应当在尽可能丰富的环境条件下进行以确保采集数据具有广泛性,包括在不同温度下的声振信号。
进一步地,在步骤3)中,对特征信息和对应分离矩阵重构时,根据源信号在基准信号和当前检测信号中所占的权重进行按权重矢量阶跃性排序,通过重构信号分析缺陷定位和定征信息。
本发明具有的有益效果如下:
本发明首先通过傅里叶变换转变时域信号到频域空间;通过降噪、中心化和白化预处理分析得到尺度归一化的待分析数据,降低后续信号处理的冗余度。对信号的预处理削弱了环境等无关因素产生的噪声,有利于后续信号处理。
本发明将当前检测信号频谱和基准信号频谱进行频域空间上的盲信号分离,分离的方法采用独立分量分析法;对分离所得信号采用相似性距离度量作为评判当前检测信号和基准信号的差异化程度,减少了信号判断过程中随机因素的干扰,降低了缺陷信息解读的难度。独立分量分析能够将基准信号和当前检测信号用同一组源信号分解,通过观察源信号在基准信号和当前检测信号中所占的比重变化判别缺陷存在性,通过源信号分析缺陷定位和定征信息,克服了以往依赖单次检测信号结果或依靠人工经验判断检测结果的缺点,提高了振动声学检测在实际应用中的缺陷检出率,基本可以满足现场应用要求。
附图说明
图1是本发明的信号处理流程图。
具体实施方式
为了令本发明的目的、特征、优点更加明显易懂,下面结合附图中涉及的具体实施方式对本发明的实施例进行清楚、完整的描述。显然,所描述的实施例仅为本发明的一部分实施例,而不是全部实施例。基于本发明的实施例,本领域技术人员在未进行创造性劳动前提下获得的所有其它实施例,如只改变用途而不改变权利要求涉及基本原理的实施例,都属于本发明保护的范围。
一种支柱绝缘子振动声学信号处理方法,如图1所示,包括以下步骤:
(1)对支柱绝缘子下法兰处施加振动,激发支柱绝缘子纵向振动并通过接收探头采集振动声波信号;
(2)对采集到的信号进行傅里叶变换转换成频域信号,然后进行频域空间的盲信号分离,得到分离矩阵,对分离所得信号根据相似性距离度量当前检测信号和基准信号的差异化程度。
(3)对上述经盲信号分离后得到的表征绝缘子不同微裂纹处声振信号的特征信息和对应分离矩阵进行重构:当前检测信号和基准信号的差异化程度超过设定阈值时,即表明当前检测信号中存在损伤缺陷,按照相似性度量结果的差异,即可从不同层次观察微裂纹的存在对于检测信号造成的影响,从而获得频域下微裂纹相关损伤的特征信息,然后对分离矩阵重构,最终获得表征支柱绝缘子损伤的声振信号,实现支柱绝缘子微裂纹的声振信号定位和定征分析。
在步骤(1)中,产生施加的振动信号分为以下步骤:
11.由单片机或者任意函数信号发生器产生随机振动信号;
12.将产生的随机振动信号经过带通滤波器滤波后得到1~10KHz的振动信号;
13.由功率放大器将步骤12中的振动信号放大并传送至振动发射探头,产生1~10KHz的振动信号。
对采集到的信号进行傅里叶变换,转换成频域信号之后,需要对频域信号降噪。对频域信号进行带通滤波,得到1~10KHz的频域信号,之后对其进行盲信号分离。首先从基准信号和当前采集信号中随机选择部分信号构建分析矩阵,即:
式中:上标b表示基准信号,上标t表示当前检测信号,n为选取的信号的个数,所有信号按行向量排列构成分析矩阵X。
步骤(2)中,盲信号分离采用独立分量分析(ICA)的分析方法。
所述独立分量分析方法采用的算法为芬兰学者Hyvarrinen提出的Fast-ICA算法。其基本步骤包括预处理和分离矩阵求解,预处理包括对数据的中心化和白化。获得分离矩阵后和分析矩阵相乘后即可从中提取出源信号矩阵。分离矩阵求逆即可获得权重矩阵,即
X=AS
式中:A为权重矩阵;S为源信号矩阵。改写成矩阵形式如下:
式中:si(i=1,2,3,…,M)为提取的源信号,ab表示基准信号,at表示当前检测信号。一般来说提取的源信号个数小于分析矩阵中的信号个数,即M≤2n,提取的源信号存在方差和其在矩阵S中排序不确定。因此,需要从中筛选仅与缺陷相关的源信号。每一个源信号对应于在数据采集过程中的一种影响因素,因为在分析矩阵构建过程中从基准库和从当前检测信号中选择的信号都是随机确定的。所以包括温度在内的环境及系统影响因素都已随机化。
而缺陷只可能对当前检测信号产生影响。即缺陷对当前检测信号和基准信号影响的权重不同。若源信号si表示缺陷对信号的影响,则其对应的在各信号中的权重组成的矢量[ab1,j ab2,j…abn,j at1,j at2,j…atn,j]T具有阶跃性特征。通过检验权重矩阵中的权重矢量是否存在显著的阶跃性特征即可判别当前信号中是否存在缺陷。
对分离所得信号采用相似性距离度量作为评判当前检测信号和基准信号的差异化程度。两者差异超过设定阈值时,即表明当前检测信号中存在损伤缺陷。
在步骤(3)中,对特征信息和对应分离矩阵重构时,根据源信号在基准信号和当前检测信号中所占的权重进行按权重矢量阶跃性排序,通过重构信号分析缺陷定位定征信息。
如果在权重矩阵中存在明显的阶跃矢量A1,A2,…,Ak(k≤M),则通过阶跃矢量及其对应的源信号s1,s2,…,sk即可构建最终的变化信号,即
式中,xc是重构信号,如前所述,通过阶跃矢量及其对应的源信号s1,s2,…,sk即可构建最终的变化信号,那么Ai,j中i对应源信号si,说明Ai,j为si的对应阶跃矢量,A为权重矩阵,Ai,j就是这个矩阵的一个元素。公式含义:将源信号对应的权重矩阵中的Ai,j的当前检测信号的和减去基准信号的和,与源信号相乘后取平均,将k个源信号取平均后的结果累加,即为重构信号。矩阵展开的写法中,ab表示基准信号(base),at表示当前检测信号。联系这几个矩阵,就可以得出Ai,j的含义(下标j无特殊对应含义,只是方便表示从1累加到n,从n+1累加到2n两个和式)。
通过分析变化信号可从中提取缺陷的有效信息以实现缺陷定位定征。本发明克服了以往依赖单次检测信号结果或依靠人工经验判断检测结果的缺点,提高了振动声学检测在实际应用中的缺陷检出率,基本可以满足现场应用要求。
Claims (10)
1.一种支柱绝缘子振动声学信号处理方法,其特征在于,包括以下步骤:
1)对支柱绝缘子下法兰处施加振动信号,激发支柱绝缘子纵向振动并通过接收探头采集振动声波信号;
2)对采集到的振动声波信号进行傅里叶变换转换成频域信号,然后进行频域空间的盲信号分离,得到分离矩阵,对分离所得信号根据相似性度量当前检测信号和基准信号的差异化程度;
3)对上述经盲信号分离后得到的表征绝缘子不同微裂纹处声振信号的特征信息和对应分离矩阵进行重构:当前检测信号和基准信号的差异化程度超过设定阈值时,即表明当前检测信号中存在损伤缺陷,按照相似性度量结果的差异,即可从不同层次观察微裂纹的存在对于检测信号造成的影响,从而获得频域空间下微裂纹相关损伤的特征信息,然后对分离矩阵重构,最终获得表征支柱绝缘子损伤的声振信号,实现支柱绝缘子微裂纹的声振信号定位和定征分析。
2.根据权利要求1所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,在步骤1)中,产生施加的振动信号分为以下步骤:
11)由单片机或者任意函数信号发生器产生随机振动信号;
12)将产生的随机振动信号经过带通滤波器滤波后得到1~10KHz的振动信号;
13)由功率放大器将步骤12)中的振动信号放大并传送至振动发射探头,产生1~10KHz的振动信号。
3.根据权利要求1所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,在步骤2)中,对采集到的信号进行傅里叶变换,转换成频域信号之后,需要对频域信号降噪,接着对频域信号进行带通滤波,得到1~10KHz的频域信号,之后对其进行盲信号分离。
4.根据权利要求3所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,所述当前检测信号是进行微裂纹检测的检测信号,即接收探头采集到的数据经过降噪处理后的1~10KHz的频域信号。
5.根据权利要求1所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,步骤2)中,盲信号分离采用独立分量分析方法。
6.根据权利要求5所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,所述独立分量分析方法采用的算法为Fast-ICA算法。
7.根据权利要求6所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,所述Fast-ICA算法包括预处理和分离矩阵求解,预处理包括对数据的中心化和白化,获得分离矩阵后和分析矩阵相乘后即可从中提取出源信号矩阵,分离矩阵求逆即可获得权重矩阵,即
X=AS,
式中:上标b表示基准信号,上标t表示当前检测信号,n为选取的信号的个数,所有信号按行向量排列构成分析矩阵X;A为权重矩阵,S为源信号矩阵,改写成矩阵形式如下:
式中:si为提取的源信号,i=1,2,3,…,M;ab表示基准信号,at表示当前检测信号;提取的源信号个数小于分析矩阵中的信号个数,即M≤2n,提取的源信号存在方差和其在矩阵S中排序不确定,因此,需要从中筛选仅与缺陷相关的源信号,每一个源信号对应于在数据采集过程中的一种影响因素,因为在分析矩阵构建过程中从基准库和从当前检测信号中选择的信号都是随机确定;
而缺陷只可能对当前检测信号产生影响,即缺陷对当前检测信号和基准信号影响的权重不同;若源信号sj表示缺陷对信号的影响,则其对应的在各信号中的权重组成的矢量[ab1,jab2,j…abn,jat1,jat2,j…atn,j]T具有阶跃性特征;通过检验权重矩阵中的权重矢量是否存在显著的阶跃性特征即可判别当前信号中是否存在缺陷。
8.根据权利要求1所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,步骤2)中,对分离所得信号采用相似性距离度量作为评判当前检测信号和基准信号的差异化程度,两者差异超过设定阈值时,即表明当前检测信号中存在损伤缺陷。
9.根据权利要求1所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,所述基准信号为在已确认被检测对象结构完整的情况下进行采集的数据。
10.根据权利要求1所述的一种支柱绝缘子振动声学信号处理方法,其特征在于,在步骤3)中,对特征信息和对应分离矩阵重构时,根据源信号在基准信号和当前检测信号中所占的权重进行按权重矢量阶跃性排序,通过重构信号分析缺陷定位和定征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111021409.8A CN113671037B (zh) | 2021-09-01 | 2021-09-01 | 一种支柱绝缘子振动声学信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111021409.8A CN113671037B (zh) | 2021-09-01 | 2021-09-01 | 一种支柱绝缘子振动声学信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113671037A true CN113671037A (zh) | 2021-11-19 |
CN113671037B CN113671037B (zh) | 2024-08-13 |
Family
ID=78547994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111021409.8A Active CN113671037B (zh) | 2021-09-01 | 2021-09-01 | 一种支柱绝缘子振动声学信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113671037B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115839846A (zh) * | 2023-02-27 | 2023-03-24 | 济南嘉宏科技有限责任公司 | 一种基于无线传感器的设备故障预警诊断方法 |
CN116818914A (zh) * | 2023-08-30 | 2023-09-29 | 东光县津东玻璃工艺制品有限公司 | 一种玻璃及其加工制品无损检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907607A (zh) * | 2010-07-15 | 2010-12-08 | 天津市科远系统工程有限公司 | 瓷支柱绝缘子的缺陷检测方法 |
CN103592371A (zh) * | 2013-11-28 | 2014-02-19 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种瓷支柱绝缘子振动声学在线监测装置 |
CN104267094A (zh) * | 2014-09-23 | 2015-01-07 | 江南大学 | 铁磁性构件的脉冲漏磁响应信号分离方法 |
CN105628419A (zh) * | 2015-12-18 | 2016-06-01 | 国网安徽省电力公司 | 基于独立分量分析去噪的gis机械缺陷诊断系统及方法 |
CN106324104A (zh) * | 2016-08-27 | 2017-01-11 | 国网江苏省电力公司盐城供电公司 | 一种基于振动声学法的瓷支柱绝缘子检测方法 |
CN109238447A (zh) * | 2018-09-12 | 2019-01-18 | 西北工业大学 | 一种系绳振动信号的盲源分离方法 |
CN109460431A (zh) * | 2018-12-29 | 2019-03-12 | 云南电网有限责任公司电力科学研究院 | 一种配电网故障定位方法 |
CN110618196A (zh) * | 2019-11-01 | 2019-12-27 | 云南电网有限责任公司电力科学研究院 | 一种基于lmd样本熵与svm支柱绝缘子故障识别方法 |
CN111948279A (zh) * | 2020-07-27 | 2020-11-17 | 南昌航空大学 | 一种弱磁检测顺磁性金属材料裂纹缺陷的定量评价方法 |
CN112179475A (zh) * | 2020-08-20 | 2021-01-05 | 电子科技大学 | 一种多源混叠的分布式光纤振动传感信号的分离方法 |
-
2021
- 2021-09-01 CN CN202111021409.8A patent/CN113671037B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907607A (zh) * | 2010-07-15 | 2010-12-08 | 天津市科远系统工程有限公司 | 瓷支柱绝缘子的缺陷检测方法 |
CN103592371A (zh) * | 2013-11-28 | 2014-02-19 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种瓷支柱绝缘子振动声学在线监测装置 |
CN104267094A (zh) * | 2014-09-23 | 2015-01-07 | 江南大学 | 铁磁性构件的脉冲漏磁响应信号分离方法 |
CN105628419A (zh) * | 2015-12-18 | 2016-06-01 | 国网安徽省电力公司 | 基于独立分量分析去噪的gis机械缺陷诊断系统及方法 |
CN106324104A (zh) * | 2016-08-27 | 2017-01-11 | 国网江苏省电力公司盐城供电公司 | 一种基于振动声学法的瓷支柱绝缘子检测方法 |
CN109238447A (zh) * | 2018-09-12 | 2019-01-18 | 西北工业大学 | 一种系绳振动信号的盲源分离方法 |
CN109460431A (zh) * | 2018-12-29 | 2019-03-12 | 云南电网有限责任公司电力科学研究院 | 一种配电网故障定位方法 |
CN110618196A (zh) * | 2019-11-01 | 2019-12-27 | 云南电网有限责任公司电力科学研究院 | 一种基于lmd样本熵与svm支柱绝缘子故障识别方法 |
CN111948279A (zh) * | 2020-07-27 | 2020-11-17 | 南昌航空大学 | 一种弱磁检测顺磁性金属材料裂纹缺陷的定量评价方法 |
CN112179475A (zh) * | 2020-08-20 | 2021-01-05 | 电子科技大学 | 一种多源混叠的分布式光纤振动传感信号的分离方法 |
Non-Patent Citations (2)
Title |
---|
吴思瑶: "基于DWT-FastICA和IMPSCO的时变结构损伤识别研究", 福州大学学报, vol. 41, no. 4, pages 640 - 651 * |
张思全: "涡流检测信号的独立分量分析预处理", 科学技术与工程, vol. 11, no. 31, pages 7635 - 7639 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115839846A (zh) * | 2023-02-27 | 2023-03-24 | 济南嘉宏科技有限责任公司 | 一种基于无线传感器的设备故障预警诊断方法 |
CN115839846B (zh) * | 2023-02-27 | 2023-06-20 | 济南嘉宏科技有限责任公司 | 一种基于无线传感器的设备故障预警诊断方法 |
CN116818914A (zh) * | 2023-08-30 | 2023-09-29 | 东光县津东玻璃工艺制品有限公司 | 一种玻璃及其加工制品无损检测方法 |
CN116818914B (zh) * | 2023-08-30 | 2023-11-14 | 东光县津东玻璃工艺制品有限公司 | 一种玻璃及其加工制品无损检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113671037B (zh) | 2024-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113671037B (zh) | 一种支柱绝缘子振动声学信号处理方法 | |
Yılmaz et al. | A real-time UWT-based intelligent fault detection method for PV-based microgrids | |
US9689909B2 (en) | System for analyzing and locating partial discharges | |
Contin et al. | Classification and separation of partial discharge signals by means of their auto-correlation function evaluation | |
Gu et al. | Application of the Hilbert–Huang transform with fractal feature enhancement on partial discharge recognition of power cable joints | |
Chen et al. | Analysis of the partial discharge of ultrasonic signals in large motor based on Hilbert-Huang transform | |
CN104089699A (zh) | 一种变电站设备声音重建算法 | |
Zhongrong et al. | Application of complex wavelet transform to suppress white noise in GIS UHF PD signals | |
CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
Hamadi et al. | Evaluation of denoising performance indices for noisy partial discharge signal based on DWT technique | |
Zhang et al. | Suppression of UHF partial discharge signals buried in white-noise interference based on block thresholding spatial correlation combinative de-noising method | |
CN117743759A (zh) | 一种瓷支柱绝缘子振动信号去噪方法 | |
CN117269660A (zh) | 基于变异系数差分算法的故障电弧检测方法及系统 | |
Yeh et al. | A comparative study of orthogonal algorithms for detecting the HIF in MDCs | |
CN112975574B (zh) | 一种铝合金薄壁件铣削过程表面质量在线检测系统 | |
CN115130516A (zh) | 一种基于图谱功率谱熵的gis设备状态辨识方法及装置 | |
Zaeni et al. | Partial discharge signal denoising by using hard threshold and soft threshold methods and wavelet transformation | |
Moussa et al. | Hardware-software structure for on-line power quality assessment: part i | |
Hao et al. | A new method for automatic multiple partial discharge classification | |
CN111398735A (zh) | 一种基于信息熵的变电站接地网故障检测方法 | |
Liu et al. | An optimized kurtogram method for early fault detection of rolling element bearings using acoustic emission | |
Khayam et al. | System of wavelet transform on partial discharge signal denoising | |
Abdullah et al. | MODELLING OF PARTIAL DISCHARGE ANALYSIS SYSTEM USING WAVELET TRANSFORM DENOISING TECHNIQUE IN LABVIEW ENVIRONMENT | |
Mirzaei et al. | An experimental review on application of wavelet transform on partial discharge evaluation of power transformers | |
Yeh et al. | Symlets techniques for real time detection of transients generated by hif in the 12 kv distribution circuits |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |