CN115047082A - 一种绝缘子裂纹声振信号的经典谱估计处理方法及系统 - Google Patents
一种绝缘子裂纹声振信号的经典谱估计处理方法及系统 Download PDFInfo
- Publication number
- CN115047082A CN115047082A CN202210562823.8A CN202210562823A CN115047082A CN 115047082 A CN115047082 A CN 115047082A CN 202210562823 A CN202210562823 A CN 202210562823A CN 115047082 A CN115047082 A CN 115047082A
- Authority
- CN
- China
- Prior art keywords
- insulator
- spectral density
- power spectral
- detection signal
- window
- 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
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
- G01N29/44—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
- G01N29/04—Analysing solids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种绝缘子裂纹声振信号的经典谱估计处理方法及系统。本发明针对基于振动声学法的绝缘子检测信号的信号处理与缺陷的判别,提出了用平滑平均周期图法对绝缘子检测信号进行功率谱估计,进而得到其功率谱,根据各峰值频率和幅值与绝缘子基本谐振频率和幅值判断该绝缘子检测信号是否存在缺陷;基于平滑平均周期图法的经典谱估计与传统谱估计相比,频谱混叠和能量泄露问题都得到了改善,谱线分辨率和方差性能得到了提升。本发明采用平滑平均周期图法对绝缘子裂纹声振信号进行频谱分析,可以准确有效的识别被检测绝缘子的缺陷状况。
Description
技术领域
本发明属于绝缘子检测信号处理领域,具体地说是一种绝缘子裂纹声振信号的经典谱估计处理方法及系统。
背景技术
信号的频谱分析可以用来研究随机信号的相关特性。一般通过功率谱对平稳随机信号进行频谱分析。由于平稳随机信号在各个时间点上的值具有随机性,不可能用具体的数学表达式来描述,因此可以用它的统计平均特性来表征。功率谱估计就是通过有限的样本数据估计一个平稳随机信号的功率谱密度。由维纳-辛钦定理可知,对自相关函数进行傅里叶变换可以得到随机信号的功率谱密度,经典谱估计方法就是基于上述思想而提出。
目前常用的两种方法是自相关函数法和周期图法。周期图法是利用离散傅里叶变换的快速算法对随机信号的功率谱进行估计。但是,用有限长样本的傅里叶变换来表示该随机信号的功率谱,只是它的一种估计或近似,必然存在误差。Welch谱估计法是对周期图法的改进,旨在保持周期图法方差性能的同时,改善其分辨率,又称平滑平均周期图法,其基本原理是:对数据分段时,使每一段有部分重叠,然后对每一段数据用一个合适的窗函数进行平滑处理,最后对各段谱求平均。
支柱绝缘子由于其工作环境恶劣、质量劣化及自然老化等问题导致断裂的事故发生较多,严重影响了电力系统的安全运行,故研究绝缘子在役检测具有重要的应用价值。振动声学检测法是目前国内外对整体结构损伤进行检测的研究热点,并在很多结构检测中得到应用推广,对检测信号的准确分析是得出结果的关键所在。然而基于传统谱估计方法的频谱分析存在谱线分辨率低、频谱泄漏、谱线模糊失真等诸多问题,给绝缘子检测信号的判断造成了困扰。
发明内容
针对上述现有技术的不足和存在的问题,本发明提供一种绝缘子裂纹声振信号的经典谱估计处理方法及系统,将其用于绝缘子振动声学检测信号的分析,可提高谱分辨率、改善频谱泄露以及模糊失真等问题,提高绝缘子信号分析的准确率,进而提高缺陷检出率。
为解决上述技术问题,本发明采用的一种技术方案如下:一种绝缘子裂纹声振信号的经典谱估计处理方法,其包括:
步骤1),获取检测信号x(N);
步骤2),检测信号预处理,对检测信号x(N)进行降噪处理;
步骤4),根据上述步骤得到的功率谱密度函数图,结合绝缘子振动声学理论,判断检测信号是否为含缺陷信号。
进一步地,步骤2)中,降噪处理采用小波变换降噪的方法。
进一步地,步骤3)中,采用welch法计算时允许数据段重叠,检测信号x(N)的分段数据xi(n)表示为:
xi(n)=x(n+iM),
n=0,1,…,M-1;i=0,1,…,L-1,
其中,iM是第i个序列的起始点;L表示数据x(N)被分成的段数;M表示每段含有的数据个数;
在计算周期图之前对数据段进行开窗,结果是“修正的”周期图:
其中,ω(n)是窗函数,U是窗函数中功率归一化因子,选择为:
Welch功率谱估计是这些修正的周期图的平均,即:
进一步地,步骤3)中,welch法中的窗函数为矩形窗、汉宁窗、海明窗、凯瑟窗、切比雪夫窗、布莱克曼窗中的任一种。
进一步地,步骤4)中,判断检测信号是否存在缺陷的绝缘子振动声学理论如下:
1)当被检瓷绝缘子不存在缺陷时,其振动功率谱密度峰值出现在3-6KHz范围内;
2)当被检瓷绝缘子在2KHz及以下频率处出现功率谱密度峰值时,说明该瓷绝缘子下部存在缺陷;
3)当被检瓷绝缘子在8KHz及以上频率处出现功率谱密度峰值时,说明该瓷绝缘子顶部存在缺陷;
4)瓷绝缘子缺陷的严重程度与低频或高频处的异常功率谱密度峰值出现及正常频率处的功率谱密度峰值下降程度相关,异常频率处的功率谱密度峰值越高,正常频率处的功率谱密度峰值下降越多,则缺陷越严重,整支瓷绝缘子的机械性能越差。
本发明采用的另一种技术方案为:一种绝缘子裂纹声振信号的经典谱估计处理系统,其包括:
检测信号获取单元:获取检测信号x(N);
检测信号预处理单元:检测信号预处理,对检测信号x(N)进行降噪处理;
检测信号判断单元:根据上述步骤得到的功率谱密度函数图,结合绝缘子振动声学理论,判断检测信号是否为含缺陷信号。
本发明具有的有益效果是:
1.本发明采用welch法对支柱绝缘子检测信号进行频谱分析,对信号作了小波降噪预处理,剔除了一部分噪声干扰,可以得到更准确的检测结果。
2.本发明采用的技术方案相对于传统的周期图法有很大改进,平滑平均周期图法(welch法)在谱线分辨率和方差性能上都有很大改善。
3.本发明对绝缘子裂纹声振信号采用welch法进行功率谱估计,改善了谱估计的性能,提高了绝缘子信号的人工判别准确率,进而提高缺陷检出率。
附图说明
图1是本发明一种绝缘子裂纹声振信号的经典谱估计处理方法的流程图;
图2是本发明实施例1用welch法得到的功率谱图;
图3是本发明一种绝缘子裂纹声振信号的经典谱估计处理系统的结构框图。
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。
实施例1
本实施例提供一种绝缘子裂纹声振信号的经典谱估计处理方法,如图1所示,包括以下步骤:
(1)软件读取仪器检测到的声振信号,得到检测信号x(N);
(2)用MATLAB小波工具箱Wavelet Signal Denoiser生成小波变换代码,采用Haar变换,三层小波包分解,对检测信号x(N)进行降噪处理;
(3)对经过预处理的信号进行功率谱估计,采用平滑平均周期图法(welch法),调用MATLAB函数pwelch计算得到该信号的功率谱密度函数,并以频率为横轴,幅值为纵轴画出函数图像如图2所示。
(4)根据上述步骤得到的功率谱密度函数图2,结合绝缘子振动声学理论,判断检测信号是否为含缺陷信号。
具体地,步骤(3)中,采用welch法计算时允许数据段重叠,检测信号x(N)的分段数据xi(n)表示为:
xi(n)=x(n+iM),
n=0,1,…,M-1;i=0,1,…,L-1,
其中,iM是第i个序列的起始点;L表示数据x(N)被分成的段数;M表示每段含有的数据个数;
在计算周期图之前对数据段进行开窗,结果是“修正的”周期图:
其中,ω(n)是窗函数,U是窗函数中功率归一化因子,选择为:
Welch功率谱估计是这些修正的周期图的平均,即:
具体地,在步骤(3)中,welch法中的窗函数选取矩形窗对信号序列分段加窗处理。
具体地,在步骤(4)中,判断检测信号是否存在缺陷的绝缘子振动声学理论如下:
(1)当被检瓷绝缘子不存在缺陷时,其振动功率谱密度峰值出现在3—6KHz范围内(典型值4500Hz);
(2)当被检瓷绝缘子在2KHz及以下频率处出现功率谱密度峰值时,说明该瓷绝缘子下部存在缺陷;
(3)当被检瓷绝缘子在8KHz及以上频率处出现功率谱密度峰值时,说明该瓷绝缘子顶部存在缺陷;
(4)瓷绝缘子缺陷的严重程度与低频或高频处的异常功率谱密度峰值出现及正常频率处的功率谱密度峰值下降程度相关,异常频率处的功率谱密度峰值越高,正常频率处的功率谱密度峰值下降越多,则缺陷越严重,整支瓷绝缘子的机械性能越差。
根据附图2及判断绝缘子是否存在缺陷的振动声学理论,可以看出:图2中最大峰值出现在4800Hz左右,而且在1900Hz左右和8000Hz左右出现了峰值,1900Hz处峰值功率约0.023mW,相比于4800Hz处的0.047mW约为后者的一半,结合振动声学理论(2)和(4)可以认为该绝缘子下部存在微小缺陷。
实施例2
本实施例提供一种绝缘子裂纹声振信号的经典谱估计处理系统,如图3所示,其由检测信号获取单元、检测信号预处理单元、功率谱密度函数单元和检测信号判断单元组成。
检测信号获取单元:获取检测信号x(N)。
检测信号预处理单元:检测信号预处理,对检测信号x(N)进行降噪处理。
检测信号判断单元:根据上述步骤得到的功率谱密度函数图,结合绝缘子振动声学理论,判断检测信号是否为含缺陷信号。
所述的检测信号预处理单元中,降噪处理采用小波变换降噪的方法。
所述的功率谱密度函数单元中,采用welch法计算时允许数据段重叠,检测信号x(N)的分段数据xi(n)表示为:
xi(n)=x(n+iM),
n=0,1,…,M-1;i=0,1,…,L-1,
其中,iM是第i个序列的起始点;L表示数据x(N)被分成的段数;M表示每段含有的数据个数;
在计算周期图之前对数据段进行开窗,结果是“修正的”周期图:
其中,ω(n)是窗函数,U是窗函数中功率归一化因子,选择为:
Welch功率谱估计是这些修正的周期图的平均,即:
所述功率谱密度函数单元中,welch法中的窗函数为矩形窗、汉宁窗、海明窗、凯瑟窗、切比雪夫窗、布莱克曼窗中的任一种。
所述的检测信号判断单元中,判断检测信号是否存在缺陷的绝缘子振动声学理论如下:
1)当被检瓷绝缘子不存在缺陷时,其振动功率谱密度峰值出现在3-6KHz范围内;
2)当被检瓷绝缘子在2KHz及以下频率处出现功率谱密度峰值时,说明该瓷绝缘子下部存在缺陷;
3)当被检瓷绝缘子在8KHz及以上频率处出现功率谱密度峰值时,说明该瓷绝缘子顶部存在缺陷;
4)瓷绝缘子缺陷的严重程度与低频或高频处的异常功率谱密度峰值出现及正常频率处的功率谱密度峰值下降程度相关,异常频率处的功率谱密度峰值越高,正常频率处的功率谱密度峰值下降越多,则缺陷越严重,整支瓷绝缘子的机械性能越差。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
2.根据权利要求1所述的一种绝缘子裂纹声振信号的经典谱估计处理方法,其特征在于,步骤2)中,降噪处理采用小波变换降噪的方法。
4.根据权利要求3所述的一种绝缘子裂纹声振信号的经典谱估计处理方法,其特征在于,步骤3)中,welch法中的窗函数为矩形窗、汉宁窗、海明窗、凯瑟窗、切比雪夫窗、布莱克曼窗中的任一种。
5.根据权利要求1所述的一种绝缘子裂纹声振信号的经典谱估计处理方法,其特征在于,步骤4)中,判断检测信号是否存在缺陷的绝缘子振动声学理论如下:
1)当被检瓷绝缘子不存在缺陷时,其振动功率谱密度峰值出现在3-6KHz范围内;
2)当被检瓷绝缘子在2KHz及以下频率处出现功率谱密度峰值时,说明该瓷绝缘子下部存在缺陷;
3)当被检瓷绝缘子在8KHz及以上频率处出现功率谱密度峰值时,说明该瓷绝缘子顶部存在缺陷;
4)瓷绝缘子缺陷的严重程度与低频或高频处的异常功率谱密度峰值出现及正常频率处的功率谱密度峰值下降程度相关,异常频率处的功率谱密度峰值越高,正常频率处的功率谱密度峰值下降越多,则缺陷越严重,整支瓷绝缘子的机械性能越差。
7.根据权利要求6所述的一种绝缘子裂纹声振信号的经典谱估计处理系统,其特征在于,所述的检测信号预处理单元中,降噪处理采用小波变换降噪的方法。
9.根据权利要求8所述的一种绝缘子裂纹声振信号的经典谱估计处理系统,其特征在于,所述功率谱密度函数单元中,welch法中的窗函数为矩形窗、汉宁窗、海明窗、凯瑟窗、切比雪夫窗、布莱克曼窗中的任一种。
10.根据权利要求6所述的一种绝缘子裂纹声振信号的经典谱估计处理系统,其特征在于,所述的检测信号判断单元中,判断检测信号是否存在缺陷的绝缘子振动声学理论如下:
1)当被检瓷绝缘子不存在缺陷时,其振动功率谱密度峰值出现在3-6KHz范围内;
2)当被检瓷绝缘子在2KHz及以下频率处出现功率谱密度峰值时,说明该瓷绝缘子下部存在缺陷;
3)当被检瓷绝缘子在8KHz及以上频率处出现功率谱密度峰值时,说明该瓷绝缘子顶部存在缺陷;
4)瓷绝缘子缺陷的严重程度与低频或高频处的异常功率谱密度峰值出现及正常频率处的功率谱密度峰值下降程度相关,异常频率处的功率谱密度峰值越高,正常频率处的功率谱密度峰值下降越多,则缺陷越严重,整支瓷绝缘子的机械性能越差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562823.8A CN115047082A (zh) | 2022-05-23 | 2022-05-23 | 一种绝缘子裂纹声振信号的经典谱估计处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562823.8A CN115047082A (zh) | 2022-05-23 | 2022-05-23 | 一种绝缘子裂纹声振信号的经典谱估计处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115047082A true CN115047082A (zh) | 2022-09-13 |
Family
ID=83159725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210562823.8A Pending CN115047082A (zh) | 2022-05-23 | 2022-05-23 | 一种绝缘子裂纹声振信号的经典谱估计处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115047082A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117007681A (zh) * | 2023-09-27 | 2023-11-07 | 苏州有执激光智能科技有限公司 | 超声波探伤方法及系统 |
-
2022
- 2022-05-23 CN CN202210562823.8A patent/CN115047082A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117007681A (zh) * | 2023-09-27 | 2023-11-07 | 苏州有执激光智能科技有限公司 | 超声波探伤方法及系统 |
CN117007681B (zh) * | 2023-09-27 | 2023-12-19 | 苏州有执激光智能科技有限公司 | 超声波探伤方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109375060B (zh) | 一种配电网故障波形相似度计算方法 | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
CN110991564B (zh) | 基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法 | |
RU2587652C2 (ru) | Способ и устройство для оценки структуры в сигнале | |
CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
CN110568073B (zh) | 一种在噪声环境中拾取击打信号的方法 | |
CN113947017A (zh) | 一种滚动轴承剩余使用寿命预测方法 | |
CN115047082A (zh) | 一种绝缘子裂纹声振信号的经典谱估计处理方法及系统 | |
CN114487733A (zh) | 一种基于声纹的局部放电检测方法 | |
CN108398260B (zh) | 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法 | |
CN114878946A (zh) | 一种避雷器阻性电流在线监测方法及装置 | |
CN109596354B (zh) | 基于自适应共振频带识别的带通滤波方法 | |
CN113866570A (zh) | 一种基于声纹的局放监测方法 | |
CN102680080B (zh) | 一种基于改进的自适应形态滤波的非稳态信号检测方法 | |
CN112033656A (zh) | 一种基于宽带谱处理的机械系统故障检测方法 | |
CN114781466B (zh) | 基于旋转机械振动信号谐波基频的故障诊断方法及系统 | |
CN117169193A (zh) | 一种基于拉曼光谱谱峰识别判断变压器油绝缘老化的方法 | |
CN115754010B (zh) | 机械密封环密封端面质量控制方法 | |
CN116519112A (zh) | 一种基于激光测振的超声刀头振动能量效率评价方法 | |
EP1597720B1 (en) | Pitch estimation using low-frequency band noise detection | |
JP2006125976A (ja) | 機械設備の異常診断システム | |
CN113160836A (zh) | 矿用排水泵噪声多时域特征联合分析方法 | |
CN112504429A (zh) | 一种强干扰dvs的高精度解调算法 | |
CN113219333A (zh) | 一种电机故障诊断时的频谱参数处理方法 | |
JP2000046893A (ja) | 異常診断装置および異常診断方法 |
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 |