CN117309624A - 一种感温电缆性能评价方法及系统 - Google Patents
一种感温电缆性能评价方法及系统 Download PDFInfo
- Publication number
- CN117309624A CN117309624A CN202311615689.4A CN202311615689A CN117309624A CN 117309624 A CN117309624 A CN 117309624A CN 202311615689 A CN202311615689 A CN 202311615689A CN 117309624 A CN117309624 A CN 117309624A
- Authority
- CN
- China
- Prior art keywords
- sensing cable
- temperature
- temperature sensing
- performance
- cable
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 20
- 230000015556 catabolic process Effects 0.000 claims abstract description 57
- 238000006731 degradation reaction Methods 0.000 claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 56
- 238000005452 bending Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 29
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 238000010438 heat treatment Methods 0.000 claims abstract description 10
- 238000001125 extrusion Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 21
- 238000002474 experimental method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000010200 validation analysis Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009778 extrusion testing Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/20—Investigating strength properties of solid materials by application of mechanical stress by applying steady bending forces
-
- 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
- G01N29/4481—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0016—Tensile or compressive
- G01N2203/0019—Compressive
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0023—Bending
Abstract
本发明提供一种感温电缆性能评价方法及系统,涉及电缆性能检测领域,包括对感温电缆进行弯折和/或挤压破坏;对破坏后的感温电缆进行超声波检测,收集回波信号;对破坏后的感温电缆进行升温,并测试电阻;将测试电阻与正常电阻值进行比较,获得感温电缆性能下降等级;使用感温电缆性能下降等级对回波信号进行标记,形成样本数据;使用样本数据训练第一神经网络,得到第一模型,所述第一模型可输入超声波回波信号,输出感温电缆性能下降等级;对感温电缆进行在线声波检测,获得实时回波信号,使用所述实时回波信号和第一模型预测感温电缆性能下降等级。通过上述方案可以避免使用复杂的公式推导回波与性能下降之间的关系并且便于进行在线检测。
Description
技术领域
本发明涉及电缆性能检测领域,具体而言涉及一种感温电缆性能评价方法及系统。
背景技术
感温电缆是一种用于测量温度的电缆,也被称为温度传感电缆或热电偶电缆。它们通常由金属导体和绝缘材料组成,用于将温度信息传输到测量仪器或控制系统。感温电缆通常用于工业、实验室和其他需要准确测量温度的环境中。它们可以测量极低温度到极高温度范围,并适用于各种应用,包括加热、制冷、化学反应控制、炉温监测、医疗设备和气象测量等。
尽管感温电缆应用十分广泛,但也存在一定缺陷。一方面,感温电缆在安装、运输、使用过程中易受外力作用发生短路、断路、变形等情况;另一方面,感温电缆一般工作在室外,长期经受高温高湿,导致绝缘性能降低,使得温度-电阻特性发生变化,不能满足工作要求,易引发误报火警的情况,干扰运维人员的正常工作。
现有技术中通常使用现场加温的方法进行感温电缆的温度-电阻特性评价,如谭风雷等提出的《感温电缆温度-电阻特性评估方法研究》,此类方法需要对现场电路进行改装,以进行加温试验,因此限制条件较多,并且不便于在线检测。
发明内容
为了解决现有技术中的问题,本发明提供一种感温电缆性能评价方法及系统。
在本发明的一个方面,提供一种感温电缆性能评价方法,包括:
步骤一:对感温电缆进行测试获得感温电缆与折弯角度和/或挤压力之间的关系;
步骤二:对折弯和/或挤压后的感温电缆进行超声波检测,收集回波信号;获取回波信号风险值Fx;
步骤三:对破坏后的感温电缆进行升温,并测试电阻;将测试电阻与正常电阻值进行比较,获得感温电缆性能下降等级;
步骤四:使用感温电缆性能下降等级对回波信号进行标记,形成样本数据;
步骤五:使用样本数据训练第一神经网络,得到第一模型,所述第一模型可输入超声波回波信号,输出感温电缆性能下降等级;
步骤六:对感温电缆进行在线声波检测,获得实时回波信号,使用所述实时回波信号和第一模型预测感温电缆性能下降等级。
进一步地,所述步骤一的具体步骤包括:
步骤S1:对感温电缆进行弯折测试,通过测试数据进行计算并得到弯折角度对电
阻的影响系数;
步骤S2:对感温电缆进行挤压力测试,通过测试数据进行计算并得到挤压力对电
阻的影响系数;
步骤S3:同时对感温电缆和挤压力进行测试,然后基于和得到电阻值与折
弯角度和挤压力之间的关系。
进一步地,所述步骤二中,对回波信号提取振幅信息,所述振幅信息包括:峰值振幅、峰-峰值振幅、均方根振幅、峰值因子,计算得到回波信号风险值Fx,然后与回波信号风险值预设值F0进行比较。
进一步地,若F0<Fx;则表示感温电缆的物理形变导致该感温电缆出现损坏风险;
若Fx≤F0;则表示感温电缆的物理形变不会导致该感温电缆损坏。
进一步地,所述步骤三中根据在预设温度下的测试电阻结果与正常电阻值的偏离程度确定所述感温电缆性能下降等级。
进一步地,所述感温电缆下降的等级为预设等级。
进一步地,所述步骤五中第一模型的建立步骤包括:
步骤Q1:将回波信号与其对应的性能下降等级进行关联标记;即创建一个数据集,其中每个样本都有一个回波信号和一个性能下降等级;
步骤Q2:将数据集分割成训练集、验证集和测试集;
步骤Q3:通过样本数据训练第一神经网络,得到第一模型。
进一步地,所述步骤Q2中:训练集用于训练模型,验证集用于调整模型的参数,测试集用于评估模型性能。
进一步地,在模型训练过程中采用交叉熵损失函数。
进一步地,一种感温电缆性能评价系统,所述系统包括如下模块:
测试模块,用于对感温电缆进行弯折和/或挤压测试;
回波收集模块,用于对感温电缆进行超声波检测,收集回波信号;
电阻测试模块,用于对感温电缆进行升温,并测试电阻;
确定模块,用于将测试电阻与正常电阻值进行比较,获得感温电缆性能下降等级;
样本模块,用于使用感温电缆性能下降等级对回波信号进行标记,形成样本数据;
训练模块,用于使用样本数据训练第一神经网络,得到第一模型,所述第一模型可输入超声波回波信号,输出感温电缆性能下降等级;
评价模块,用于对感温电缆进行在线声波检测,获得实时回波信号,使用所述实时回波信号和第一模型预测感温电缆性能下降等级。
本发明通过上述技术方案,可以产生如下有益效果:
由于超声波回波信号与感温电缆性能下降等级之间是非线性的关系,具体的数学关系复杂,难以拟合出数学关系,本实施例使用神经网络进行模型训练,可以避免复杂的数学分析过程。
在需要进行感温电缆性能评价时,安装超声波检测设备或传感器,用于实时采集感温电缆的声波回波信号,由于超声检测设备可直接对电缆进行检测,从而实现不停机的在线检测,避免了复杂的检测过程。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明方法的流程图;
图2是本发明系统框图。
具体实施方式
下面,结合附图以及具体实施方式,对发明做出优选的描述。
本实施例通过如下步骤解决上术问题:
在一个实施例中,参考图1,本发明提供一种感温电缆性能评价方法,具体包括:
对感温电缆进行弯折和/或挤压破坏。
由于感温电缆的电阻值受到温度、湿度、变形等影响,对于温度、湿度等造成的影响,现有技术中可通过实时传感器等检测环境变化参数。本实施例主要针对不便于使用传感器监测的变形影响,包括感温电缆的弯折情况对性能的影响和感温电缆受到挤压情况时对性能的影响,以及在弯折的情况下同时受到挤压情况时对性能的影响。
首先对感温电缆进行弯折和/或挤压破坏测试:包括如下方案:
对感温电缆进行弯折测试;
其中,在对感温电缆进行弯折时;
对感温电缆的弯折角度进行测量并标记为W;其中,弯折角度0°<W≤180°;在进行实验之前,测量并记录感温电缆的初始性能参数,即弯折角度W为0的状态下的电阻值R0;
对弯折角度为W的感温电缆选取多组进行测量,并表示为i,得到弯折角度为W的感
温电缆的电阻值集Wi,其中,i为弯折角度W下的感温电缆的弯折测试序号,表示弯折角
度为W的情况下第i次测试的电阻值,计算获得每个感温电缆弯折角度为W时,对电阻值的影
响系数集;其中;
然后计算得到弯折角度为W时,电阻的影响系数均值,maxi为弯
折角度为W时的测试次数;即为弯折角度为W时弯折角度对电阻的影响系数;
对感温电缆进行压力测试;
其中,在进行实验之前,测量并记录感温电缆的初始性能参数,即弯折角度W为0的状态下的电阻值R0;
然后对感温电缆进行增压挤压,并进行电阻测量;
挤压力以单位力n为测试间隔依次增加的挤压力,并表示为m0,同时得到第m0次挤
压的挤压力为M0,且M0=m0n,表示第m0次挤压测试的电阻值;计算获得感温电缆非弯折
状态下针对压力的变化时,挤压力对电阻值的影响系数;然后计算感温电缆在非弯折状
态下,随着所受压力的增加,电阻的影响系数均值,其中,表示挤压实验次数;即为挤压力对电阻的影响系数;
对感温电缆进行弯折测试,同时对感温电缆施加挤压力测试;
在对感温电缆施加挤压力时,对感温电缆的弯折角度进行测量并标记为W;其中,弯折角度0°<W≤180°;在进行实验之前,测量并记录感温电缆的初始性能参数,即弯折角度W的状态下,挤压力为0时感温电缆的电阻值Rw;
对弯折角度为W的感温电缆进行增压挤压,并进行电阻测量;
其中,挤压力以单位力n为测试间隔依次增加的挤压力,并表示为m,m为弯折角度W
下的感温电缆的挤压力测试序号,同时得到第m次挤压的挤压力为M,且M=mn,计算获得感温
电缆弯折角度为W,挤压力为M时的电阻值;
在感温电缆在初始性能的基础上,将上述感温电缆测量过程中所得到的数据通过计算得到发生弯折和/或挤压力的电阻值计算中
所需要的折弯因子a和挤压力因子b,此时便可以或得感温电缆的电阻值与折弯角度和挤压
力之间的关系;
此时,便可以根据感温电缆在使用场景中折弯角度和挤压力,计算得到感温电缆的电阻值。
基于上述实施例,进一步的;
对每个品质级别的感温电缆进行超声检测:
对折弯和/或挤压后的每个级别品质的感温电缆进行超声波检测,收集回波信号。
在对感温电缆进行折弯和/或挤压实验后,进行超声波检测以收集回波信号是一种用于评估电缆内部结构和可能的损伤的常见方法,本实施例的原理在于通过机器学习建立损伤与性能下降之间的非线性关系,以便对电缆的性能进行预测。
在前述步骤中已经对感温电缆进行了折弯和/或挤压实验,选择适当类型和频率的超声波探头,根据电缆的特性和所需的检测深度。不同的探头可以用于不同类型的检测任务。
在进行测试之前,对超声波探头进行校准,以确保它能够提供准确的信号。如将探头放在标准样品上,以确保其发射和接收超声波的准确性。
使用超声波探头,将超声波信号传送到目标电缆,同时记录回波信号。将回波信号的时间延迟、振幅和波形记录下来。
进一步地,本实施例主要关心感温电缆的折弯和/或挤压程度,为了对回波信号进行处理,本实施例只提取与折弯和/或挤压程度关联的振幅信息。
因此进一步对回波信号进行处理,使用信号处理软件或工具,从采集到的回波信
号中提取振幅信息,包括:峰值振幅Ft,峰值振幅是信号波形中的最大正或负振幅值,表示
信号的最大强度;峰-峰值振幅Ff,峰-峰值振幅是信号波形中正峰值与负峰值之间的差异,
表示信号的最大振幅范围;均方根振幅,均方根振幅是信号波形中振幅的均方根值,它表
示了信号的有效振幅,表示信号的有效强度;峰值因子Fy,峰值因子是峰值振幅与均方根振
幅之比,即,用于表示信号的峰值与平均强度之间的关系,较高的峰值因子表示信
号中的尖峰较强。
进一步地,通过,计算获得回波信号对感温电缆进行超声探测
过程中,得到的感温电缆中的物理形变信号值Fx,即回波信号风险值,其中,μ为预设物理形
变系数;获取回波信号风险值预设值F0;
若F0<Fx;则表示感温电缆的物理形变导致该感温电缆出现损坏风险;
若Fx≤F0;则表示感温电缆的物理形变不会导致该感温电缆损坏;
对折弯和/或挤压后的感温电缆进行升温,并测试电阻的变化情况。
即选取折弯和/或挤压后的感温电缆,计算得到其在该检测状态下的折弯角度和
挤压力,通过计算得到该检测状态下的理论电阻
值;同时对该感温电缆进行升温实验,测得升高温度下的感温电缆的电阻;
测试电阻是本领域中一种最常见的感温电缆性能检测方法方法。具体的检测方法可参考如谭风雷等提出的《感温电缆温度-电阻特性评估方法研究》,或其它类似的实验方法,现有技术中的任意实验方法均不影响本实施的后续实现,因此本实施例不做具体限定。
为了确定感温电缆的性能曲线,定期测量电缆的电阻,可在不同的温度点,这可以通过断开电缆并连接到电阻测量仪来实现。记录电阻测量结果和相应的温度;分析数据以查看电阻随温度变化的情况;根据数据可以评估电缆的电阻温度特性和性能。
将测试电阻与正常电阻值进行比较,获得感温电缆性能下降等级。
获取正常电阻值,此值应该是在感温电缆正常工作状态下测得的电阻值,相应的具体数值可通过产品说明书获取。
为了方便进行数值处理,可取目标温度区间对应的电阻值。如下:感温电缆在室温下的电阻为10欧姆,目标区间为100摄氏度以上,当温度上升至100摄氏度时为小于等于1欧姆为正常情况,无性能下降。感温电缆性能下降则可表示为100摄氏度时,其性能(电阻值)偏离1欧姆的程度为性能下降等级,如大于测试电缆100摄氏度时的电阻值为大于2欧姆时,其性能下降等级为3级,大于1.5小于2时,性能下降等级为2级,大于1小于1.5时,性能下降等级为1级,小于等于1时为正常。
具体的性能下降等级可参考上述示例进行设定,具体的设定区域本实施例不做具体的限定,在实现本实施例时,本领域技术人员可采取任意的,类似的等级区间。
需要说明的是,感温电缆还可为当温度上升时,电阻值上升,则偏离正常值的情况为电阻值上升达不到预设的要求;性能下降等级均指达不到预设的性能要求,具体性能要求需要根据目标产品确定,本实施不做限定。
基于上述实施例,进一步的:
使用感温电缆性能下降等级对回波信号进行标记,形成样本数据。
将感温电缆的性能下降等级与回波信号进行标记,以创建样本数据,可以用于训练机器学习模型或进行数据分析,进而进一步自动识别或评估电缆的性能状态。
在前述步骤中,已获取了回波信号(进一步处理为振幅向量),并进行升温试验,对于已被破坏的感温电缆,每一种回波信号都对应一个性能下降的等级(也有可能没有性能的下降)。因此,为每个回波信号分配一个性能下降等级。可以使用不同的等级来表示电缆的不同状态,如等级0表示正常状态,等级1表示轻微性能下降,等级2表示中度性能下降等等。
将回波信号与其对应的性能下降等级进行关联标记。这将创建一个数据集,其中每个样本都有一个回波信号和一个性能下降等级。
将数据集分割成训练集、验证集和测试集。训练集用于训练模型,验证集用于调整模型的参数,而测试集用于评估模型性能。
使用样本数据训练第一神经网络,得到第一模型,所述第一模型可输入超声波回波信号,输出感温电缆性能下降等级。
训练神经网络来接受超声波回波信号并输出感温电缆性能下降等级是一个典型的监督式学习任务,本实施例可以使用深度学习框架如TensorFlow、PyTorch或Keras来构建和训练神经网络。
在训练前可对数据进行预处理,包括标准化、归一化等前处理。定义神经网络的架构,包括层数、神经元数量和激活函数,具体的网络结构本实施不做具体的限定,可以使用如卷积神经网络(CNN)或循环神经网络(RNN),或相应的网络改进。
进一步地,进行编译模型,配置模型的优化器、损失函数和性能指标。由于本实施例是多类别分类任务,因此优选使用交叉熵损失函数。使用训练集数据,对模型进行训练。在每个训练迭代中,模型将超声波回波信号作为输入,输出性能下降等级的预测。在训练过程中,模型会自动调整权重以最小化损失函数。使用验证集数据来监控模型的性能。检查模型是否过拟合(在训练数据上表现得很好,但在验证数据上表现较差)。根据验证结果,调整模型的架构或超参数,以改进性能。使用测试集数据来最终评估模型的性能。进一步地,还可以不断优化模型,定期更新模型以适应新的数据和改进性能。
由于超声波回波信号与感温电缆性能下降等级之间是非线性的关系,具体的数学关系复杂,难以拟合出数学关系,本实施例使用神经网络进行模型训练,可以避免复杂的数学分析过程。
对感温电缆进行在线声波检测,获得实时回波信号,使用所述实时回波信号和第一模型预测感温电缆性能下降等级。
在需要进行感温电缆性能评价时,安装超声波检测设备或传感器,用于实时采集感温电缆的声波回波信号,由于超声检测设备可直接对电缆进行检测,从而实现不停机的在线检测,避免了复杂的检测过程。
对实时采集的回波信号进行实时预处理,这包括去噪、滤波和信号增强等步骤,以确保信号质量。进一步地,对回波信号进行处理,使用信号处理软件或工具,从采集到的回波信号中提取振幅信息,将峰值振幅、峰-峰值振幅、均方根振幅、峰值因子进行拟合。
在采集到回波信号后,并对信号数据进行处理后,将其输入到加载的模型中,以获取实时性能下降等级的预测,从而对感温电缆性能评价。
另一方面,参阅图2所示,本发明还提供一种感温电缆性能评价系统,所述系统包括如下模块:
测试模块,用于对感温电缆进行弯折和/或挤压测试;
回波收集模块,用于对感温电缆进行超声波检测,收集回波信号;
电阻测试模块,用于对感温电缆进行升温,并测试电阻;
确定模块,用于将测试电阻与正常电阻值进行比较,获得感温电缆性能下降等级;
样本模块,用于使用感温电缆性能下降等级对回波信号进行标记,形成样本数据;
训练模块,用于使用样本数据训练第一神经网络,得到第一模型,所述第一模型可输入超声波回波信号,输出感温电缆性能下降等级;
评价模块,用于对感温电缆进行在线声波检测,获得实时回波信号,使用所述实时回波信号和第一模型预测感温电缆性能下降等级。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种感温电缆性能评价方法,其特征在于,包括:
步骤一:对感温电缆进行测试获得感温电缆与折弯角度和/或挤压力之间的关系;
步骤二:对折弯和/或挤压后的感温电缆进行超声波检测,收集回波信号;获取回波信号风险值Fx;
步骤三:对破坏后的感温电缆进行升温,并测试电阻;将测试电阻与正常电阻值进行比较,获得感温电缆性能下降等级;
步骤四:使用感温电缆性能下降等级对回波信号进行标记,形成样本数据;
步骤五:使用样本数据训练第一神经网络,得到第一模型,所述第一模型可输入超声波回波信号,输出感温电缆性能下降等级;
步骤六:对感温电缆进行在线声波检测,获得实时回波信号,使用所述实时回波信号和第一模型预测感温电缆性能下降等级。
2.根据权利要求1所述的感温电缆性能评价方法,其特征在于,所述步骤一的具体步骤包括:
步骤S1:对感温电缆进行弯折测试,通过测试数据进行计算并得到弯折角度对电阻的影响系数;
步骤S2:对感温电缆进行挤压力测试,通过测试数据进行计算并得到挤压力对电阻的影响系数;
步骤S3:同时对感温电缆和挤压力进行测试,然后基于和/>得到电阻值与折弯角度和挤压力之间的关系。
3.根据权利要求1所述的感温电缆性能评价方法,其特征在于,所述步骤二中,对回波信号提取振幅信息,所述振幅信息包括:峰值振幅、峰-峰值振幅、均方根振幅、峰值因子,计算得到回波信号风险值Fx,然后与回波信号风险值预设值F0进行比较。
4.根据权利要求3所述的感温电缆性能评价方法,其特征在于,
若F0<Fx;则表示感温电缆的物理形变导致该感温电缆出现损坏风险;
若Fx≤F0;则表示感温电缆的物理形变不会导致该感温电缆损坏。
5.根据权利要求3所述的感温电缆性能评价方法,其特征在于,所述步骤三中根据在预设温度下的测试电阻结果与正常电阻值的偏离程度确定所述感温电缆性能下降等级。
6.根据权利要求5所述的感温电缆性能评价方法,其特征在于,所述感温电缆下降的等级为预设等级。
7.根据权利要求1所述的感温电缆性能评价方法,其特征在于,所述步骤五中第一模型的建立步骤包括:
步骤Q1:将回波信号与其对应的性能下降等级进行关联标记;创建一个数据集,其中每个样本都有一个回波信号和一个性能下降等级;
步骤Q2:将数据集分割成训练集、验证集和测试集;
步骤Q3:通过样本数据训练第一神经网络,得到第一模型。
8.根据权利要求7所述的感温电缆性能评价方法,其特征在于,所述步骤Q2中:训练集用于训练模型,验证集用于调整模型的参数,测试集用于评估模型性能。
9.根据权利要求1所述的感温电缆性能评价方法,其特征在于,在模型训练过程中采用交叉熵损失函数。
10.一种感温电缆性能评价系统,所述评价系统基于权利要求1-9任一项所述的评价方法,其特征在于,所述系统包括如下模块:
测试模块,用于对感温电缆进行弯折和/或挤压测试;
回波收集模块,用于对感温电缆进行超声波检测,收集回波信号;
电阻测试模块,用于对感温电缆进行升温,并测试电阻;
确定模块,用于将测试电阻与正常电阻值进行比较,获得感温电缆性能下降等级;
样本模块,用于使用感温电缆性能下降等级对回波信号进行标记,形成样本数据;
训练模块,用于使用样本数据训练第一神经网络,得到第一模型,所述第一模型可输入超声波回波信号,输出感温电缆性能下降等级;
评价模块,用于对感温电缆进行在线声波检测,获得实时回波信号,使用所述实时回波信号和第一模型预测感温电缆性能下降等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615689.4A CN117309624B (zh) | 2023-11-30 | 2023-11-30 | 一种感温电缆性能评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615689.4A CN117309624B (zh) | 2023-11-30 | 2023-11-30 | 一种感温电缆性能评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117309624A true CN117309624A (zh) | 2023-12-29 |
CN117309624B CN117309624B (zh) | 2024-02-06 |
Family
ID=89274138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311615689.4A Active CN117309624B (zh) | 2023-11-30 | 2023-11-30 | 一种感温电缆性能评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117309624B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4470304A (en) * | 1982-06-01 | 1984-09-11 | Bethlehem Steel Corp. | Ultrasonic inspection system |
US20130162262A1 (en) * | 2011-06-17 | 2013-06-27 | Darrell J. Johnson | System and Method for Automated Testing of an Electric Cable Harness |
WO2014200375A1 (en) * | 2013-06-09 | 2014-12-18 | Active Space Technologies, Actividades Aeroespaciais, Lda. | Method and system for monitoring electrical wire aging |
US20170023632A1 (en) * | 2011-06-17 | 2017-01-26 | Psiber Data Systems, Inc. | System and method for automated testing of an electric cable |
CN110231547A (zh) * | 2019-05-10 | 2019-09-13 | 西安交通大学 | 一种用于电缆状态评估的无损检测评价方法 |
CN110530972A (zh) * | 2019-07-26 | 2019-12-03 | 西安交通大学 | 一种用于电缆老化状态评估的超声检测评价方法及装置和装置使用方法 |
CN112103945A (zh) * | 2020-08-20 | 2020-12-18 | 南京工程学院 | 电网临界安全状态下的蓄热电采暖系统实时调度方法及存储介质 |
CN112857622A (zh) * | 2021-01-25 | 2021-05-28 | 国网江苏省电力有限公司检修分公司 | 一种基于温阻特性的感温电缆性能检测装置及方法 |
CN214703149U (zh) * | 2021-03-22 | 2021-11-12 | 华录智达科技股份有限公司 | 线缆折弯强度测试器 |
CN113932942A (zh) * | 2021-09-08 | 2022-01-14 | 西安理工大学 | 一种超声波检测电缆内部温度场的方法及装置 |
CN113933661A (zh) * | 2021-09-08 | 2022-01-14 | 西安理工大学 | 基于介质声速评估电缆绝缘材料劣化状态的方法 |
CN113945810A (zh) * | 2021-09-27 | 2022-01-18 | 国网河北省电力有限公司电力科学研究院 | 电缆终端头绝缘缺陷的检测方法、装置、终端及存储介质 |
JP2022084014A (ja) * | 2020-11-25 | 2022-06-06 | マーベル アジア ピーティーイー、リミテッド | 自動車物理層(phy)ケーブル故障診断 |
CA3139496A1 (en) * | 2021-01-14 | 2022-07-14 | JANA Corporation | Method, device and system for non-destructive evaluation of polyethylene pipe joints using ultrasound and machine learning |
WO2022198899A1 (zh) * | 2021-03-24 | 2022-09-29 | 国网河北省电力有限公司沧州供电分公司 | 一种海底电缆故障诊断方法、装置及设备 |
EP4095533A2 (en) * | 2021-05-28 | 2022-11-30 | Marvell Asia Pte, Ltd. | Early detection of cable failure in automotive networks |
CN115840119A (zh) * | 2023-01-13 | 2023-03-24 | 杭州巨骐信息科技股份有限公司 | 利用数据库样本的电力电缆线路劣化诊断系统及方法 |
CN116297835A (zh) * | 2023-02-15 | 2023-06-23 | 国网河北省电力有限公司石家庄供电分公司 | 一种用于检测电缆老化的超声波检测装置及方法 |
FR3133670A1 (fr) * | 2022-06-14 | 2023-09-22 | Sagemcom Broadband Sas | Auto-diagnostic d’un équipement électrique par empreinte sonore |
-
2023
- 2023-11-30 CN CN202311615689.4A patent/CN117309624B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4470304A (en) * | 1982-06-01 | 1984-09-11 | Bethlehem Steel Corp. | Ultrasonic inspection system |
US20130162262A1 (en) * | 2011-06-17 | 2013-06-27 | Darrell J. Johnson | System and Method for Automated Testing of an Electric Cable Harness |
US20170023632A1 (en) * | 2011-06-17 | 2017-01-26 | Psiber Data Systems, Inc. | System and method for automated testing of an electric cable |
WO2014200375A1 (en) * | 2013-06-09 | 2014-12-18 | Active Space Technologies, Actividades Aeroespaciais, Lda. | Method and system for monitoring electrical wire aging |
CN110231547A (zh) * | 2019-05-10 | 2019-09-13 | 西安交通大学 | 一种用于电缆状态评估的无损检测评价方法 |
CN110530972A (zh) * | 2019-07-26 | 2019-12-03 | 西安交通大学 | 一种用于电缆老化状态评估的超声检测评价方法及装置和装置使用方法 |
CN112103945A (zh) * | 2020-08-20 | 2020-12-18 | 南京工程学院 | 电网临界安全状态下的蓄热电采暖系统实时调度方法及存储介质 |
JP2022084014A (ja) * | 2020-11-25 | 2022-06-06 | マーベル アジア ピーティーイー、リミテッド | 自動車物理層(phy)ケーブル故障診断 |
CA3139496A1 (en) * | 2021-01-14 | 2022-07-14 | JANA Corporation | Method, device and system for non-destructive evaluation of polyethylene pipe joints using ultrasound and machine learning |
CN112857622A (zh) * | 2021-01-25 | 2021-05-28 | 国网江苏省电力有限公司检修分公司 | 一种基于温阻特性的感温电缆性能检测装置及方法 |
CN214703149U (zh) * | 2021-03-22 | 2021-11-12 | 华录智达科技股份有限公司 | 线缆折弯强度测试器 |
WO2022198899A1 (zh) * | 2021-03-24 | 2022-09-29 | 国网河北省电力有限公司沧州供电分公司 | 一种海底电缆故障诊断方法、装置及设备 |
EP4095533A2 (en) * | 2021-05-28 | 2022-11-30 | Marvell Asia Pte, Ltd. | Early detection of cable failure in automotive networks |
CN113932942A (zh) * | 2021-09-08 | 2022-01-14 | 西安理工大学 | 一种超声波检测电缆内部温度场的方法及装置 |
CN113933661A (zh) * | 2021-09-08 | 2022-01-14 | 西安理工大学 | 基于介质声速评估电缆绝缘材料劣化状态的方法 |
CN113945810A (zh) * | 2021-09-27 | 2022-01-18 | 国网河北省电力有限公司电力科学研究院 | 电缆终端头绝缘缺陷的检测方法、装置、终端及存储介质 |
FR3133670A1 (fr) * | 2022-06-14 | 2023-09-22 | Sagemcom Broadband Sas | Auto-diagnostic d’un équipement électrique par empreinte sonore |
CN115840119A (zh) * | 2023-01-13 | 2023-03-24 | 杭州巨骐信息科技股份有限公司 | 利用数据库样本的电力电缆线路劣化诊断系统及方法 |
CN116297835A (zh) * | 2023-02-15 | 2023-06-23 | 国网河北省电力有限公司石家庄供电分公司 | 一种用于检测电缆老化的超声波检测装置及方法 |
Non-Patent Citations (3)
Title |
---|
周路遥;曹俊平;王少华;刘黎;杨勇;江航;: "基于多状态量特征及变化规律的高压电缆状态综合评估", 高电压技术, no. 12 * |
曹培;徐鹏;高凯;谌福春;金立军;: "基于边缘计算的电缆接头运行状态智能传感与监测", 高压电器, no. 09 * |
郝思鹏;张济韬;张仰飞;张小莲;: "融合在线监测数据的变压器状态评估", 电力自动化设备, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN117309624B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114638280B (zh) | 基于本地设备网络的防爆电机轴承温度异常监测系统 | |
US7552027B2 (en) | Method and system for quantifying damage in a structure | |
EP1348115B1 (en) | Viscosity measurement | |
CN108956111B (zh) | 一种机械部件的异常状态检测方法及检测系统 | |
CN116678489B (zh) | 力传感器的质量控制方法、系统、设备及介质 | |
CN110555235A (zh) | 基于向量自回归模型的结构局部缺陷检测方法 | |
CN114357560A (zh) | 基于多模态神经网络的结构健康监测数据检测方法和装置 | |
CN113916673B (zh) | 一种基于容器状态监测的安全预警方法及系统 | |
CN117309624B (zh) | 一种感温电缆性能评价方法及系统 | |
CN110568074B (zh) | 基于非接触多点测振与Hilbert变换的风力机叶片裂纹定位方法 | |
JPH0484754A (ja) | 材料の健全性評価法 | |
CN115950609B (zh) | 一种结合相关性分析和神经网络的桥梁挠度异常检测方法 | |
Dzhudzhev et al. | Testing of Automaticized System for complex non-destructive study of metallic materials | |
Dzudzev et al. | Testing of automaticized system for complex non-destructive study of metallic materials | |
CN116738859B (zh) | 一种铜管在线无损寿命评估方法及系统 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 | |
CN116698986B (zh) | 一种基于调谐带通滤波器的吸音材料质控系统和方法 | |
CN117470825B (zh) | 一种力致变色材料的性能检测方法及系统 | |
CN116817700B (zh) | 一种卡尺质量检测方法及系统 | |
CN114626162B (zh) | 一种接触球轴承损耗程度定量识别方法 | |
CN115060764A (zh) | 基于环境匹配的机电阻抗损伤监测的分类方法 | |
CN116698979A (zh) | 应用加权tfm成像算法的螺栓监控系统及方法 | |
Kong Chen et al. | Reducing false damage detections in guided ultrasonic wave monitoring systems using a denoising autoencoder | |
CN115752276A (zh) | 一种基于人工神经网络的光纤应变和温度测量方法 | |
CN117725541A (zh) | 退火炉运行状态智能监控与故障诊断系统 |
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 |