CN114184895A - 不受检测距离影响的多芯线缺陷定位与分类系统 - Google Patents
不受检测距离影响的多芯线缺陷定位与分类系统 Download PDFInfo
- Publication number
- CN114184895A CN114184895A CN202111515893.XA CN202111515893A CN114184895A CN 114184895 A CN114184895 A CN 114184895A CN 202111515893 A CN202111515893 A CN 202111515893A CN 114184895 A CN114184895 A CN 114184895A
- Authority
- CN
- China
- Prior art keywords
- defect
- signal
- unit
- core wire
- classifying
- 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 50
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 230000004807 localization Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 230000005284 excitation Effects 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000002238 attenuated effect Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- 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
- G01R31/58—Testing of lines, cables or conductors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及一种不受检测距离影响的多芯线缺陷定位与分类系统，系统包括：数据采集单元，数据暂存单元，信号补偿单元，数据处理单元，缺陷定位与分类单元和电源供电单元。数据采集单元用于同时对测量端产生激励信号和采集反射信号；数据暂存单元，对采集到的每根芯线的反射信号分别进行存储；信号补偿单元，测量反射信号的衰减特性，并对含有多芯线缺陷信息的反射信号进行衰减补偿；数据处理单元，利用高级图像处理技术，将补偿后的反射信号转换为可供机器学习的三通道RGB颜色模型的二维图像；缺陷定位与分类单元，利用卷积神经网络(CNN)进行多芯线缺陷的定位与分类。本发明采用基于时频域联合分析的反射检测方法(TFDR)，可以较为准确的对多芯线缺陷进行定位与分类，并且经过对测量反射信号的补偿，使系统的缺陷定位与分类精度不会随着测量信号传播距离的增大而衰减。能够快速的识别出多芯线的缺陷的位置与类型，缩短线路的维修时间，减少因线路缺陷带来的经济损失。
Description
技术领域
本发明涉及线路缺陷定位与分类技术领域，尤其涉及一种多芯线的缺陷定位与分类系统。
背景技术
多芯线广泛的应用于低压供电、仪器控制、设备通信等领域，因为多芯线工作环境的要求，通常直接暴露在外界坏境中，所以容易引发缺陷。当前对多芯线检测主要采用人工定期检测的方式，存在检测周期比较长，故障不能及时发现，故障不能及时排除、检测结果易受人为影响的问题，而且目前的检测项目仅仅针对多芯线回路通断测试，无法获得多芯线更为全面的缺陷信息。获取多芯线较为全面的故障信息将会给线路维修带来便利，可以针对每一根芯线的缺陷位置实现定点维修，如短路维修，绝缘维修，断路重接等，避免因多芯线中某一根芯线故障而更换整条多芯线，减少因线路缺陷带来的经济损失。
发明内容
为了解决上述问题，本发明提出了一种不受检测距离影响的多芯线缺陷定位与分类系统，能够实现对多芯线缺陷的定位与分类，并通过信号补偿单元对采集到的反射信号进行补偿，使测量信号不会随着传播距离的增加而衰减，提高了多芯线缺陷定位与分类的精度。
本发明所采用的技术方案是：本发明提出的不受检测距离影响的多芯线缺陷定位与分类系统，其特征在于：
所述系统包括：数据采集单元，数据暂存单元，信号补偿单元，数据处理单元，缺陷定位与分类单元，电源供电单元。
数据采集单元，采用基于时频域联合分析的反射测量方法(TFDR)，利用任意波形发生器(AWG)对每根芯线产生Gaussian-Enveloped linear chirp激励信号，简称GELC信号，并利用数字示波器(DPO)采集来自每根芯线的反射信号。
数据暂存单元，用于将采集到的每根芯线的反射信号分别进行暂存，随时与信号补偿单元共享测量数据。
信号补偿单元，首先测量被测多芯线的衰减特性，接着通过考虑衰减特性，对每根芯线的测量数据进行衰减补偿，补偿方式如下：运用一种测量反射信号时程小于参考信号时程的信号补偿方法，反射信号与参考信号的衰减比计算如下：
式中H是希尔伯特变换，So(t)为注入多芯电缆的电磁信号，Sr(t)为反射信号。
因为反射信号的大小随着传播距离的增大而减小，所以利用ξ(t)的倒数来进行补偿。
数据处理单元，首先，利用WVD将信号补偿单元补偿后的每一芯线的测量反射信号转换为时频域分布，然后将其定义为一幅彩色的图像，图像的行和列分别为反射信号的中心时间和中心频率，图像显示了反射信号在时频域的能量分布，信号能量的大小用不同的颜色标识。
进一步地，将每根芯线的二维图像都绕着图像外的一点进行不同角度的旋转，第i根芯线的旋转角度计算如下：
式中N为多芯电缆的芯数，ei为旋转角。
进一步地，为了便于缺陷定位与分类单元进行图像处理，将不同芯线旋转得到的图像合并为一幅图像。因为每根芯线的二维图像都进行了不同角度的旋转，所以在合并过程中不同芯线的图像不会相互重叠和覆盖。
进一步地，将合并后的时频特征图像转换为3通道RGB颜色模型的二维图像。
缺陷定位与分类单元，将数据处理单元生成的二维图像的每一个像素点看作是缺陷数据连接到卷积神经网络(CNN)，实现对多芯线缺陷的定位与分类。
电源供电单元，用于对数据测量单元，数据暂存单元，信号补偿单元，数据处理单元，缺陷定位与分类单元进行供电。
本发明具有以下优点：
一、缺陷定位与分类的全过程人工参与较少，检测结果不易受人为因素的影响，提高了缺陷定位与分类的精度。
二、通过对采集到的反射信号进行补偿，减少了由传播距离的增加而造成信号幅值的衰减，使缺陷定位与分类精度不会随着测量信号传播距离的增大而衰减。
三、通用性好，容易实施。
附图说明
图1是不受检测距离影响的多芯线缺陷定位与分类系统的组成示意图。
图2是不受检测距离影响的多芯线缺陷定位与分类系统的流程图。
具体实施方案
下面结合具体实施方式来对本发明进行详细的说明：
本发明涉及一种不受检测距离影响的多芯线缺陷定位与分类系统，所述系统包括：
数据采集单元：安装于多芯线的检测端，采用基于时频域联合分析的反射检测方法 (TFDR)，用于同时产生激励信号和采集来自多芯线的反射信号。为了能够同时获取时域和频域的检测信号，实现时频域的特征提取，本发明所采用的激励信号为Gaussian-Enveloped linear chirp信号,简称GELC信号。激励信号由任意波形发生器(AWG)产生，用数字示波器 (DPO)采集来自每根芯线的反射信号，AWG和DPO通过接口总线连接到数据暂存单元。
数据暂存单元：位于数据采集单元之后，用于将每根芯线的测量反射信号分别进行暂时存储，并与信号补偿单元进行光纤通信，为信号补偿单元随时提供测量数据。
信号补偿单元，位于数据暂存单元之后，用于对各个芯线的测量反射信号进行衰减补偿。由于GELC信号高频带衰减幅值大于低频带衰减幅值，而不同频带的衰减差异会影响缺陷分类的准确性。所以本发明首先利用信号补偿单元测量每根芯线反射信号的衰减特性，然后进行衰减补偿，使缺陷定位与分类精度不会随着测量信号传播距离的增大而衰减。
数据处理单元，位于信号补偿单元之后，利用图像处理算法将补偿后的每根芯线的反射信号转换成表示时频能量分布的二维图像，能量的大小用不同的颜色标识。因为多个二维图像同时输入缺陷定位与分类单元会增加缺陷定位与分类的难度，所以通过高级图像处理将不同芯线的二维图像组合为一幅图像，并转换为可供机器学习的三通道RGB颜色模型的二维图像。
缺陷定位与分类单元：位于数据处理单元之后，将数据处理单元生成的二维图像的每一个像素点看作是缺陷数据连接到卷积神经网络(CNN)，进行多芯线缺陷的定位与分类。
电源供电单元，用于对数据采集单元，数据暂存单元，信号补偿单元，数据处理单元，缺陷定位与分类单元进行供电。
Claims (4)
1.不受检测距离影响的多芯线缺陷定位与分类系统，其特征在于：
信号补偿单元，用于测量反射信号的衰减特性，并对含有多芯线缺陷信息的反射信号进行衰减补偿。
数据处理单元，对补偿后的反射信号进行高级图像处理，生成可供机器学习的三通道RGB模型的二维图像。
缺陷定位与分类单元，将数据处理单元生成的二维图像的每一像素点作为缺陷数据连接到卷积神经网络(CNN)，并用机器学习对多芯线的缺陷进行定位与分类。
2.根据权利要求1所述信号补偿单元，其特征在于，通过对测量反射信号的补偿，使缺陷定位与分类精度不会随着测量信号传播距离的增大而衰减。
3.根据权利要求1所述的数据处理单元，其特征在于，首先利用图像处理算法将补偿后的每根芯线的反射信号转换为表示时频能量分布的二维图像，能量的大小用不同的颜色标识。然后通过高级图像处理将不同芯线的二维图像组合为一幅图像，并转换为可供机器学习的三通道RGB颜色模型的二维图像。
4.根据权利要求1所述的缺陷定位与分类系统，其特征在于，将数据处理单元生成的二维图像的像素点看作是多芯线的缺陷数据连接到卷积神经网络(CNN)，然后利用机器学习对多芯线的缺陷进行定位与分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111515893.XA CN114184895A (zh) | 2021-12-02 | 2021-12-02 | 不受检测距离影响的多芯线缺陷定位与分类系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111515893.XA CN114184895A (zh) | 2021-12-02 | 2021-12-02 | 不受检测距离影响的多芯线缺陷定位与分类系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114184895A true CN114184895A (zh) | 2022-03-15 |
Family
ID=80604629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111515893.XA Pending CN114184895A (zh) | 2021-12-02 | 2021-12-02 | 不受检测距离影响的多芯线缺陷定位与分类系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114184895A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102109612A (zh) * | 2009-12-23 | 2011-06-29 | 中国石油天然气集团公司 | 一种地震波吸收衰减补偿方法 |
| CN103698748A (zh) * | 2013-12-16 | 2014-04-02 | 南京航空航天大学 | 复合材料中基于信号波速与衰减补偿的2d-music冲击定位方法 |
| CN108872984A (zh) * | 2018-03-15 | 2018-11-23 | 清华大学 | 基于多基地雷达微多普勒和卷积神经网络的人体识别方法 |
| CN110766264A (zh) * | 2019-07-31 | 2020-02-07 | 贵州电网有限责任公司 | 一种传输电缆健康状态监测评估方法 |
| CN112630598A (zh) * | 2020-12-30 | 2021-04-09 | 南方电网科学研究院有限责任公司 | 长距离高压电缆故障程度检测方法及装置 |
-
2021
- 2021-12-02 CN CN202111515893.XA patent/CN114184895A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102109612A (zh) * | 2009-12-23 | 2011-06-29 | 中国石油天然气集团公司 | 一种地震波吸收衰减补偿方法 |
| CN103698748A (zh) * | 2013-12-16 | 2014-04-02 | 南京航空航天大学 | 复合材料中基于信号波速与衰减补偿的2d-music冲击定位方法 |
| CN108872984A (zh) * | 2018-03-15 | 2018-11-23 | 清华大学 | 基于多基地雷达微多普勒和卷积神经网络的人体识别方法 |
| CN110766264A (zh) * | 2019-07-31 | 2020-02-07 | 贵州电网有限责任公司 | 一种传输电缆健康状态监测评估方法 |
| CN112630598A (zh) * | 2020-12-30 | 2021-04-09 | 南方电网科学研究院有限责任公司 | 长距离高压电缆故障程度检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kwon et al. | Offline fault localization technique on HVDC submarine cable via time–frequency domain reflectometry | |
| EP3825707B1 (en) | Generator rotor winding state detection device and method | |
| CN111929542B (zh) | 一种电力设备诊断方法及系统 | |
| CN103529366A (zh) | 基于罗氏线圈原理的uhf宽频带电流传感器及联合监测系统 | |
| CN108548962A (zh) | 一种接地网交流、直流和冲击电阻综合测试系统及方法 | |
| Huang et al. | A measurement technology of space distance among transmission bundle conductors based on image sensors | |
| CN116520095A (zh) | 故障测距方法、系统以及计算机可读存储介质 | |
| CN100590382C (zh) | 大型平台变形量的光电测量方法 | |
| CN117169657B (zh) | 一种基于人工智能的高压电缆状态监测方法及系统 | |
| CN114184895A (zh) | 不受检测距离影响的多芯线缺陷定位与分类系统 | |
| CN112327221A (zh) | 变压器内部绝缘缺陷带电诊断装置 | |
| CN117538679A (zh) | 矿用井下电缆探伤系统及方法 | |
| CN109000823A (zh) | 冷缩电缆中间接头的导体温度测量方法及系统 | |
| CN104407276A (zh) | 一种用于实验室局部放电试验的信号采集装置 | |
| CN214097747U (zh) | 变压器内部绝缘缺陷带电诊断装置 | |
| Wang et al. | Defect Identification of XLPE Power Cable Using Harmonic Visualized Characteristics of Grounding Current | |
| CN212083581U (zh) | 一种高压电缆故障定位的传感器装置 | |
| CN114397090A (zh) | 一种连续变焦相机光轴平行性快速测量方法 | |
| CN110954742A (zh) | 一种基于载波通信的新型无线压降测试方法 | |
| CN217360258U (zh) | 一种海底电缆局部缺陷在线监测系统 | |
| CN205139230U (zh) | 光纤电流传感器 | |
| CN217739295U (zh) | 一种多护层单芯交流电缆外护套状态检测装置 | |
| Luo et al. | A Vision for Future HVDC Cable Accessories: IoT and Beyond | |
| CN118171431B (zh) | 一种智能二次线校线方法和系统 | |
| CN109917245A (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220315 |
|
| WD01 | Invention patent application deemed withdrawn after publication |