CN117825898A - 一种gis分布式振声联合监测方法、装置及介质 - Google Patents
一种gis分布式振声联合监测方法、装置及介质 Download PDFInfo
- Publication number
- CN117825898A CN117825898A CN202410239270.1A CN202410239270A CN117825898A CN 117825898 A CN117825898 A CN 117825898A CN 202410239270 A CN202410239270 A CN 202410239270A CN 117825898 A CN117825898 A CN 117825898A
- Authority
- CN
- China
- Prior art keywords
- sound
- gis
- distributed
- vibration
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 238000003384 imaging method Methods 0.000 claims abstract description 27
- 230000001133 acceleration Effects 0.000 claims abstract description 18
- 230000007547 defect Effects 0.000 claims abstract description 10
- 230000005236 sound signal Effects 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 34
- 238000005457 optimization Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000004807 localization Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 abstract description 10
- 238000012360 testing method Methods 0.000 abstract description 9
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000001427 coherent effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000005404 monopole Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
-
- 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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明为一种GIS分布式振声联合监测方法、装置及介质，针对现有测试装置和测试方式识别不佳易误判的问题，采用技术方案如下：一种GIS分布式振声联合监测方法，包括：通过分布式加速度传感器和分布式传声器分别同步采集GIS的振动信号和声信号；根据采集结果同步计算振动幅值和声成像结果；其中，声成像结果通过基于广义互相关与l 1范数逆问题求解的声源定位算法获得；当分布式加速度传感器采集到的振动信号大于等于振动信号阈值时，记录并输出对应时刻的声成像结果，实现缺陷定位。本发明能够实现GIS运行状态监测与耐压试验击穿定位，且能够满足击穿时测量频率范围大、频带宽、信号衰减小、不易受电磁信号干扰。
Description
技术领域
本发明属于电力设备状态监测领域，特别涉及一种GIS分布式振声联合监测方法、装置及介质。
背景技术
气体绝缘金属封闭开关设备(Gas insulated switchgear，简称GIS)作为一种新型高压开关设备，具有结构紧凑、占地面积小、抗干扰能力强等优点，在特高压换流站被普遍采用。特高压换流站被试GIS设备分支母线长、间隔数量多，在GIS现场耐压试验发生击穿时，难以快速、精准的定位放电点。另一方面，在运行期间，由于固有机械特性改变，造成GIS的机械性能和绝缘性能下降，需要对其运行状态进行在线监测。
机械振动信号是最能够有效表征GIS机械故障的物理参量，且GIS固有机械特性改变时，机械缺陷位置会产生异常的振动，发出不同于设备正常运行时的异常声音。另外，耐压试验中发生击穿时产生的声波频带约为10 Hz～104k Hz，其中包含了人耳可听声的频率范围（20 Hz～20k Hz），该部分的声能量相比超声衰减小很多，可通过非接触手段测量。
现有检测方法还具有以下缺点：现有的脉冲电流法通过在GIS上施加脉冲电流并在检测阻抗上检测产生的脉冲电压以识别内部局放，该方法存在测量频率较低、频带较窄等问题；现有的特高频法通过在盆体表面安装耦合传感器捕捉放电信号，相较于脉冲电流法具有高灵敏度、宽频带的优势，但由于特高频信号衰减较快，且易受到环境电磁信号干扰，安装在外部的传感器依然难以精确定位，且对于成本和检测人员的要求较高；现有的声源识别方法，例如传统的波束成形算法难以准确辨识相干声源，在强噪声环境下存在识别效果不佳等难题。
发明内容
针对现有测试装置和测试方式识别不佳易误判的问题，本发明提供一种GIS分布式振声联合监测方法，实现运行状态异常监测和耐压试验击穿定位。
本发明采用技术方案如下：一种GIS分布式振声联合监测方法，包括：
步骤1，通过分布式加速度传感器和分布式传声器分别同步采集GIS的振动信号和声信号；
步骤2，根据采集结果同步计算振动幅值和声成像结果；其中，声成像结果通过基于广义互相关与l 1范数逆问题求解的声源定位算法获得；
步骤3，当分布式加速度传感器采集到的振动信号大于等于振动信号阈值时，记录并输出对应时刻的声成像结果，实现缺陷定位。
本发明采用分布式声学传感器采集击穿后的可听声信号，实时给出GIS异响监测与耐压击穿定位的可视化效果，由于现场噪声复杂，单独的声学传感器难以进行异响捕捉，本发明还通过分布式加速度传感器采集振动信号，保证采集信号的准确度；对于声源目前常见的波束成形方法其基本原理是用按特定方式排布的传感器阵列接收噪声源信号，对接收到的信号进行特殊处理后得到噪声源的相关信息，通过对各阵元的输出进行加权、延迟、求和，使得阵列的输出在某一聚焦方向上最大，从而得到噪声源的声场分布。
进一步地，步骤1中，所述分布式加速度传感器GIS的外表面，所述分布式传声器布置于GIS的外侧。
进一步地，步骤2中，所述基于广义互相关与l 1范数逆问题求解的声源定位算法包括：
步骤2.1，将采集的声信号通过广义互相关波束形成算法进行表示，获得广义互相关表达式；
步骤2.2，将广义互相关表达式对应的结果重构，获得重构向量，并构建重构向量的模拟向量；
步骤2.3，构建基于重构向量和模拟向量的优化模型，通过求解建立的优化模型，获得声成像结果；所述优化模型具有以源强向量为最小化的目标函数，以及基于l 2范数求解重构向量与模拟向量之间的差值作为约束条件，其中以源强向量为最小化的目标函数采用l 1范数进行求解。
进一步地，步骤2.1中，设声源位于虚拟聚焦区域的网格点上，分布式传声器上集成M个麦克风的线性麦克风阵列，将采集的声信号表示为含有广义互相关的表达式b n：
(1)；
式中，i、k的取值范围为1至M，k≠i，即i、k表示两个不同的麦克风；表示麦克风对位置(i,k)接收信号的互功率谱，/>表示角频率，f表示信号频率，表示PHAT加权，/>表示虚数单位；/>表示声音从第n个聚焦网格点到第i个麦克风与声音从第n号聚焦网格点到第k个麦克风之间的时间差。
进一步地，步骤2.2中，将广义互相关表达式对应的结果b n重构为列向量，模拟向量表达式为Gq，其中，q为源强向量，矩阵G为一个只与虚拟聚焦网格点、麦克风阵列位置以及声速相关的传递矩阵，其表达式为：
(2)；
其中，矩阵G的元素g in表示第i个麦克风向量到第n个聚焦网格区域点的传递系数，可由下式计算：
(3)；
式中，表示一个阈值常数；该时间计算宽度阈值常数在本处被设置为2×10-5；表示声音从第i个麦克风到第k个麦克风所需时间；/>表示声音从第n号聚焦网格点到第k个麦克风所需时间。
进一步地，步骤2.3中，建立优化模型表达式为：
(4)；
式中，表示一个和噪声相关的误差项；/>表示代价函数；/>表示使得该方程取得最小值时源强q的值；下标1表示利用l 1范数求解逆问题；/>是一个约束条件；下标2表示利用l 2范数求解。
进一步地，步骤3，振动信号阈值为3g，其中g为重力加速度，取值为9.8m/s2。
一种GIS分布式振声联合监测装置，包括：
采集模块，同步采集GIS的振动信号和声信号；
计算模块，根据采集结果同步计算振动幅值和声成像结果；其中，声成像结果通过基于广义互相关与l 1范数逆问题求解的声源定位算法获得；
故障定位模块，当分布式加速度传感器采集到的振动信号超过振动信号阈值时，记录并输出对应时刻的声成像结果，实现缺陷定位。
一种GIS分布式振声联合监测装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现上述的GIS振声联合监测方法。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，用于实现上述的GIS振声联合监测方法。
本发明具有的有益效果：本申请提供一种GIS分布式振声联合监测方法、装置及介质，能够实现运行状态监测与耐压击穿定位，不受环境振动和背景强噪声影响，并且能够满足击穿时测量频率范围大、频带宽、信号衰减小、不易受电磁信号干扰，并在强噪声环境下也能准确识别相干声源等实际使用要求。
附图说明
图1为实施例1的流程图；
图2为声传感器位置分布图；
图3为声源仿真布置图；
图4为频率f= 1500Hz、单个声源时本申请的声源定位算法与常规识别算法的效果对比图；
图5为频率f= 6000Hz、单个声源时本申请的声源定位算法与常规识别算法的效果对比图；
图6为频率f= 1500Hz、两个声源时本申请的声源定位算法与常规识别算法的效果对比图；
图7为频率f= 6000Hz、两个声源时本申请的声源定位算法与常规识别算法的效果对比图。
具体实施方式
下面结合本发明的附图，对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。
实施例1
一种GIS分布式振声联合监测方法，包括：
步骤1，通过分布式加速度传感器和分布式传声器分别同步采集GIS的振动信号和声信号；所述分布式加速度传感器和分布式传声器设置在GIS的外表面。
步骤2，根据采集结果同步计算振动幅值和声成像结果；其中，声成像结果通过基于广义互相关与l 1范数逆问题求解的声源定位算法获得；具体过程为：
步骤2.1，将采集的声信号通过广义互相关波束形成算法进行表示，获得广义互相关表达式；设声源位于虚拟聚焦区域的网格点上，分布式传声器上集成M个麦克风的线性麦克风阵列，将采集的声信号表示为含有广义互相关的表达式：
第i个麦克风接收到的声压信号为：
(5)；
式中，t表示某一时刻，、/>分别表示第i个麦克风的位置矢量和声源位置矢量，/>表示距离，/>表示信号从声源传播到第i个麦克风所需时间，d si表示声源到第i个麦克风之间的距离，c为声速，/>表示误差；
第n个聚焦点上的波束形成输出信号：
(6)；
式中，表示声音从第n号聚焦网格点到达第i号麦克风所需时间；n=1,2...N，N表示聚焦网格点总数；将公式（2）进行一个频域变换，变为复频域状态，以便进行互功率谱计算：
(1)；
式中，i、k的取值范围为1至M，k≠i，即i、k表示两个不同的麦克风；表示麦克风对位置(i,k)接收信号的互功率谱，/>表示角频率，f表示信号频率，表示PHAT加权，/>表示虚数单位；/>表示声音从第n个聚焦网格点到第i个麦克风与声音从第n号聚焦网格点到第k个麦克风之间的时间差。
步骤2.2，将广义互相关表达式对应的结果重构，构建优化模型，通过CVX工具箱求解建立的优化模型，获得声成像结果；
所述优化模型构建过程如下：将广义互相关表达式对应的结果b n重构为列向量，进而建立优化求解问题模型：
(7)；
式中，表示为与源强向量相关的优化模型符号；q为源强向量；/>表示代价函数，/>表示与向量/>同维度的模拟向量；/>表示为：
(8)；
式中，矩阵G为一个只与虚拟聚焦网格点、麦克风阵列位置以及声速相关的传递矩阵，其表达式为：
(2)；
其中，矩阵G的元素g in表示第i个麦克风向量到第n个聚焦网格区域点的传递系数，可由下式计算：
(3)；
式中，表示一个阈值常数；该时间计算宽度阈值常数在本处被设置为2×10-5；表示声音从第i个麦克风到第k个麦克风所需时间；/>表示声音从第n号聚焦网格点到第k个麦克风所需时间。
将式(8)带入式(7)可得：
(9)；
根据声源辐射特性，声源所辐射的声场一般可由少量的单极子声源表示，满足稀疏特性；获得优化模型表达式为：
(4)；
式中，表示一个和噪声相关的误差项；/>表示代价函数；/>表示使得该方程取得最小值时源强q的值；下标1表示利用l 1范数求解逆问题；/>是一个约束条件；下标2表示利用l 2范数求解。此步骤中，b-Gq是一个矩阵，/>表示求解b-Gq各个元素平方和的平方根，约束条件表示b-Gq各个元素平方和的平方根小于等于/>，/>表示求解b-Gq各个元素的绝对值之和，目标函数为/>表示在约束条件下求解代价函数，当代价函数最小时源强向量q的值。
步骤2.3，采用CVX工具箱求解建立的优化模型，获得声成像结果。
步骤3，当分布式加速度传感器采集到的振动信号超过振动信号阈值时，即分布式加速度传感器采集到的振动信号≥3g时，记录并输出对应时刻的声成像结果，实现缺陷定位，其中g为重力加速度，取值为9.8m/s2。
本发明采用分布式声学传感器采集击穿后的可听声信号，实时给出GIS异响监测与耐压击穿定位的可视化效果，由于现场噪声复杂，单独的声学传感器难以进行异响捕捉，本发明还通过分布式加速度传感器采集振动信号，保证采集信号的准确度；对于声源目前常见的波束成形方法其基本原理是用按特定方式排布的传感器阵列接收噪声源信号，对接收到的信号进行特殊处理后得到噪声源的相关信息，通过对各阵元的输出进行加权、延迟、求和，使得阵列的输出在某一聚焦方向上最大，从而得到噪声源的声场分布。
下面以图2至图7的仿真示例，验证本发明提出的声成像算法的可视化效果。在添加噪声的情况下，首先利用单声源考察常规广义互相关波束形成方法与本发明所提出算法的声源识别性能。
如图2所示的阵列传感器位置分布图，仿真中设置点声源坐标为（0,0,0）。在距离声源平面1m处设置采样阵列面，利用64通道、阵列孔径为0.3m的同心圆型传声器阵列进行声压数据采集。
如图3所示的声源仿真布置图，噪声源扫描面位于声源面上，其长、宽尺寸皆为1m，为便于利用计算机进行数据后处理，将噪声源扫描面离散为26×26个节点，离散间隔为0.04m。
为模拟真实测试环境，测得声压信息均添加信噪比SNR=15dB的高斯白噪声。其中，所提算法采用MATLAB中的CVX工具箱进行求解。
如图4、图5所示为频率f= 1500Hz和6000Hz时，本发明提出的基于范数l1与GCC波束形成算法与常规识别算法的效果对比。其中，图4中的（a）为频率f= 1500Hz、单个声源时常规识别算法的结果图，图4中的（b）为频率f= 1500Hz、单个声源时本申请的声源定位算法的结果图，图5中的（a）为频率f= 6000Hz、单个声源时常规识别算法的结果图，图5中的（b）为频率f= 6000Hz、单个声源时本申请的声源定位算法的结果图。当频率较低时，常规算法难以得到良好的声源识别效果，定位光斑较大，所提算法却具备良好的定位效果；当频率的增大，由于高频声场的信息更为丰富，两种算法的成像效果均得到显著提高，而本发明所提算法的定位精度始终优于常规算法，不仅准确地聚焦了真实声源位置，且定位光斑较小。
为进一步验证本发明所提算法相较常规算法的优势，利用相干声源考察常规广义互相关波束形成算法与本发明所提出算法的声源识别性能。
如图6、图7所示仿真设置两个等能量的相干单极子声源，坐标分别为(0.2,0,0.2)和(-0.2,0,0.2)。其余参数设置与单声源仿真一致。其中，图6中的（a）为频率f= 1500Hz、两个声源时常规识别算法的结果图，图6中的（b）为频率f= 1500Hz、两个声源时本申请的声源定位算法的结果图，图7中的（a）为频率f= 6000Hz、两个声源时常规识别算法的结果图，图7中的（b）为频率f= 6000Hz、两个声源时本申请的声源定位算法的结果图。对比可见，常规算法对于相干声源的定位光斑较模糊，识别性能较差，而本发明提出算法得到的定位光斑更清晰，识别精度更佳，且有效抑制了旁瓣的干扰。
综上，本发明所提算法克服了常规算法难以准确识别相干声源的不足，且声源可视化效果聚焦准确，定位光斑小，相较常规算法具有显著的优势。
实施例2
一种GIS分布式振声联合监测装置，包括：
采集模块，同步采集GIS的振动信号和声信号；
计算模块，根据采集结果同步计算振动幅值和声成像结果；其中，声成像结果通过基于广义互相关与l 1范数逆问题求解的声源定位算法获得；
故障定位模块，当分布式加速度传感器采集到的振动信号超过振动信号阈值时，记录并输出对应时刻的声成像结果，实现缺陷定位。
实施例3
一种GIS分布式振声联合监测装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现实施例1所述的GIS分布式振声联合监测方法。
实施例4
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，用于实现实施例1所述的GIS分布式振声联合监测方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求的范围中。
Claims (10)
1.一种GIS分布式振声联合监测方法，其特征在于，包括：
步骤1，通过分布式加速度传感器和分布式传声器分别同步采集GIS的振动信号和声信号；
步骤2，根据采集结果同步计算振动幅值和声成像结果；其中，声成像结果通过基于广义互相关与l 1范数逆问题求解的声源定位算法获得；
步骤3，当分布式加速度传感器采集到的振动信号大于等于振动信号阈值时，记录并输出对应时刻的声成像结果，实现缺陷定位。
2.根据权利要求1所述的GIS分布式振声联合监测方法，其特征在于，步骤1中，所述分布式加速度传感器布置在GIS的外表面，所述分布式传声器设置在GIS的外侧。
3.根据权利要求1所述的GIS分布式振声联合监测方法，其特征在于，步骤2中，所述基于广义互相关与l 1范数逆问题求解的声源定位算法包括：
步骤2.1，将采集的声信号通过广义互相关波束形成算法进行表示，获得广义互相关表达式；
步骤2.2，将广义互相关表达式对应的结果重构，获得重构向量，并构建重构向量的模拟向量；
步骤2.3，构建基于重构向量和模拟向量的优化模型，通过求解建立的优化模型，获得声成像结果；所述优化模型具有以源强向量为最小化的目标函数，以及基于l 2范数求解重构向量与模拟向量之间的差值作为约束条件，其中以源强向量为最小化的目标函数采用l 1范数进行逆问题求解。
4.根据权利要求3所述的GIS分布式振声联合监测方法，其特征在于，步骤2.1中，设声源位于虚拟聚焦区域的网格点上，分布式传声器上集成M个麦克风的线性麦克风阵列，将采集的声信号表示为含有广义互相关的表达式b n：
(1)；
式中，i、k的取值范围为1至M，k≠i，即i、k表示两个不同的麦克风；表示麦克风对位置(i,k)接收信号的互功率谱，/>表示角频率，f表示信号频率，表示PHAT加权，/>表示虚数单位；n=1,2...N，N表示聚焦网格点总数；表示声音从第n个聚焦网格点到第i个麦克风与声音从第n号聚焦网格点到第k个麦克风之间的时间差。
5.根据权利要求4所述的GIS分布式振声联合监测方法，其特征在于，步骤2.2中，将广义互相关表达式对应的结果b n重构为列向量，模拟向量表达式为Gq，其中，q为源强向量，矩阵G为一个只与虚拟聚焦网格点、麦克风阵列位置以及声速相关的传递矩阵，其表达式为：
(2)；
其中，矩阵G的元素g in表示第i个麦克风向量到第n个聚焦网格区域点的传递系数，可由下式计算：
(3)；
式中，表示一个阈值常数；/>表示声音从第i个麦克风到第k个麦克风所需时间；表示声音从第n号聚焦网格点到第k个麦克风所需时间。
6.根据权利要求5所述的GIS分布式振声联合监测方法，其特征在于，步骤2.3中，建立优化模型表达式为：
(4)；
式中，表示一个和噪声相关的误差项；/>表示代价函数；/>表示使得该方程取得最小值时源强q的值；下标1表示利用l 1范数求解逆问题；/>是一个约束条件；下标2表示利用l 2范数求解。
7.根据权利要求1所述的GIS分布式振声联合监测方法，其特征在于，步骤3中，振动信号阈值为3g，其中g为重力加速度。
8.一种GIS分布式振声联合监测装置，其特征在于，包括：
采集模块，同步采集GIS的振动信号和声信号；
计算模块，根据采集结果同步计算振动幅值和声成像结果；声成像结果通过基于广义互相关与l 1范数逆问题求解的声源定位算法获得；
故障定位模块，当分布式加速度传感器采集到的振动信号超过振动信号阈值时，记录并输出对应时刻的声成像结果，实现缺陷定位。
9.一种GIS分布式振声联合监测装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1至7任一项所述的GIS分布式振声联合监测方法。
10.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，用于实现权利要求1至7任一项所述的GIS分布式振声联合监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410239270.1A CN117825898B (zh) | 2024-03-04 | 2024-03-04 | 一种gis分布式振声联合监测方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410239270.1A CN117825898B (zh) | 2024-03-04 | 2024-03-04 | 一种gis分布式振声联合监测方法、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117825898A true CN117825898A (zh) | 2024-04-05 |
| CN117825898B CN117825898B (zh) | 2024-06-11 |
Family
ID=90517598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410239270.1A Active CN117825898B (zh) | 2024-03-04 | 2024-03-04 | 一种gis分布式振声联合监测方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117825898B (zh) |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050195988A1 (en) * | 2004-03-02 | 2005-09-08 | Microsoft Corporation | System and method for beamforming using a microphone array |
| US20110026722A1 (en) * | 2007-05-25 | 2011-02-03 | Zhinian Jing | Vibration Sensor and Acoustic Voice Activity Detection System (VADS) for use with Electronic Systems |
| CN102435922A (zh) * | 2011-10-26 | 2012-05-02 | 上海交通大学 | Gis局部放电的声电联合检测系统和定位方法 |
| CN105652243A (zh) * | 2016-03-14 | 2016-06-08 | 西南科技大学 | 多通道群稀疏线性预测时延估计方法 |
| US20160302005A1 (en) * | 2015-04-10 | 2016-10-13 | B<>Com | Method for processing data for the estimation of mixing parameters of audio signals, mixing method, devices, and associated computers programs |
| JP2018179724A (ja) * | 2017-04-12 | 2018-11-15 | 三菱電機株式会社 | 部分放電検出装置および部分放電検出方法 |
| CN109917328A (zh) * | 2019-04-15 | 2019-06-21 | 南京邮电大学 | 一种基于原子范数最小化的l型阵列波达方向估计方法 |
| CN110109058A (zh) * | 2019-05-05 | 2019-08-09 | 中国航发湖南动力机械研究所 | 一种平面阵列反卷积声源识别方法 |
| CN111257833A (zh) * | 2019-12-24 | 2020-06-09 | 重庆大学 | 一种基于拉普拉斯范数的快速迭代收缩阈值的声源识别方法 |
| CN111474521A (zh) * | 2020-04-09 | 2020-07-31 | 南京理工大学 | 多径环境中基于麦克风阵列的声源定位方法 |
| CN112526451A (zh) * | 2020-10-29 | 2021-03-19 | 清华大学 | 基于麦克风阵列成像的压缩波束形成及系统 |
| KR20210070586A (ko) * | 2019-12-05 | 2021-06-15 | 주식회사 포스코건설 | Cnn을 이용한 음향 처리방법 |
| CN113051792A (zh) * | 2021-03-09 | 2021-06-29 | 合肥工业大学 | 一种基于最小互相关原则的稀疏声学阵列设计方法 |
| US20210250703A1 (en) * | 2018-06-15 | 2021-08-12 | Widex A/S | Method of testing microphone performance of a hearing aid system and a hearing aid system |
| CN113267330A (zh) * | 2021-05-14 | 2021-08-17 | 国网重庆市电力公司电力科学研究院 | 一种基于声学成像的gis设备机械故障检测系统及方法 |
| CN114137373A (zh) * | 2021-12-01 | 2022-03-04 | 国网河南省电力公司南阳供电公司 | 一种基于振动和声纹特征量提取的gil设备故障联合定位及预警方法 |
| CN114822584A (zh) * | 2022-04-25 | 2022-07-29 | 东北大学 | 一种基于积分改进广义互相关的传动装置信号分离方法 |
| CN115032591A (zh) * | 2022-06-02 | 2022-09-09 | 深圳大学 | 一种宽带多声源定位非同步测量方法、装置及相关介质 |
| CN115278496A (zh) * | 2022-03-07 | 2022-11-01 | 清华大学 | 用于麦克风阵列测量的稀疏声源辨识方法、系统 |
| WO2022247202A1 (zh) * | 2021-05-24 | 2022-12-01 | 清华大学 | 基于阵列测量和稀疏先验信息的声源辨识方法、系统 |
| CN116008913A (zh) * | 2022-12-18 | 2023-04-25 | 南京理工大学 | 基于stm32和小型麦克风阵列的无人机检测定位方法 |
| CN116631438A (zh) * | 2023-04-28 | 2023-08-22 | 桂林电子科技大学 | 一种基于最小p范数的宽度学习及二次相关的声源定位方法 |
| US20230313676A1 (en) * | 2022-03-29 | 2023-10-05 | Halliburton Energy Services, Inc. | Acoustic Noise Source Localization Based On Cross-Correlation Functions Across A Hydrophone Array |
| CN116929539A (zh) * | 2023-07-26 | 2023-10-24 | 国网上海市电力公司 | 一种基于可视化声源技术的电抗器故障诊断方法与系统 |
-
2024
- 2024-03-04 CN CN202410239270.1A patent/CN117825898B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050195988A1 (en) * | 2004-03-02 | 2005-09-08 | Microsoft Corporation | System and method for beamforming using a microphone array |
| US20110026722A1 (en) * | 2007-05-25 | 2011-02-03 | Zhinian Jing | Vibration Sensor and Acoustic Voice Activity Detection System (VADS) for use with Electronic Systems |
| CN102435922A (zh) * | 2011-10-26 | 2012-05-02 | 上海交通大学 | Gis局部放电的声电联合检测系统和定位方法 |
| US20160302005A1 (en) * | 2015-04-10 | 2016-10-13 | B<>Com | Method for processing data for the estimation of mixing parameters of audio signals, mixing method, devices, and associated computers programs |
| CN105652243A (zh) * | 2016-03-14 | 2016-06-08 | 西南科技大学 | 多通道群稀疏线性预测时延估计方法 |
| JP2018179724A (ja) * | 2017-04-12 | 2018-11-15 | 三菱電機株式会社 | 部分放電検出装置および部分放電検出方法 |
| US20210250703A1 (en) * | 2018-06-15 | 2021-08-12 | Widex A/S | Method of testing microphone performance of a hearing aid system and a hearing aid system |
| CN109917328A (zh) * | 2019-04-15 | 2019-06-21 | 南京邮电大学 | 一种基于原子范数最小化的l型阵列波达方向估计方法 |
| CN110109058A (zh) * | 2019-05-05 | 2019-08-09 | 中国航发湖南动力机械研究所 | 一种平面阵列反卷积声源识别方法 |
| KR20210070586A (ko) * | 2019-12-05 | 2021-06-15 | 주식회사 포스코건설 | Cnn을 이용한 음향 처리방법 |
| CN111257833A (zh) * | 2019-12-24 | 2020-06-09 | 重庆大学 | 一种基于拉普拉斯范数的快速迭代收缩阈值的声源识别方法 |
| CN111474521A (zh) * | 2020-04-09 | 2020-07-31 | 南京理工大学 | 多径环境中基于麦克风阵列的声源定位方法 |
| CN112526451A (zh) * | 2020-10-29 | 2021-03-19 | 清华大学 | 基于麦克风阵列成像的压缩波束形成及系统 |
| CN113051792A (zh) * | 2021-03-09 | 2021-06-29 | 合肥工业大学 | 一种基于最小互相关原则的稀疏声学阵列设计方法 |
| CN113267330A (zh) * | 2021-05-14 | 2021-08-17 | 国网重庆市电力公司电力科学研究院 | 一种基于声学成像的gis设备机械故障检测系统及方法 |
| WO2022247202A1 (zh) * | 2021-05-24 | 2022-12-01 | 清华大学 | 基于阵列测量和稀疏先验信息的声源辨识方法、系统 |
| CN114137373A (zh) * | 2021-12-01 | 2022-03-04 | 国网河南省电力公司南阳供电公司 | 一种基于振动和声纹特征量提取的gil设备故障联合定位及预警方法 |
| CN115278496A (zh) * | 2022-03-07 | 2022-11-01 | 清华大学 | 用于麦克风阵列测量的稀疏声源辨识方法、系统 |
| US20230313676A1 (en) * | 2022-03-29 | 2023-10-05 | Halliburton Energy Services, Inc. | Acoustic Noise Source Localization Based On Cross-Correlation Functions Across A Hydrophone Array |
| CN114822584A (zh) * | 2022-04-25 | 2022-07-29 | 东北大学 | 一种基于积分改进广义互相关的传动装置信号分离方法 |
| CN115032591A (zh) * | 2022-06-02 | 2022-09-09 | 深圳大学 | 一种宽带多声源定位非同步测量方法、装置及相关介质 |
| CN116008913A (zh) * | 2022-12-18 | 2023-04-25 | 南京理工大学 | 基于stm32和小型麦克风阵列的无人机检测定位方法 |
| CN116631438A (zh) * | 2023-04-28 | 2023-08-22 | 桂林电子科技大学 | 一种基于最小p范数的宽度学习及二次相关的声源定位方法 |
| CN116929539A (zh) * | 2023-07-26 | 2023-10-24 | 国网上海市电力公司 | 一种基于可视化声源技术的电抗器故障诊断方法与系统 |
Non-Patent Citations (3)
| Title |
|---|
| NGUYEN 等: "A novel sparse model for multi-source localization using distributed microphone array", 《2017 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》, 19 June 2017 (2017-06-19) * |
| 邹亮;刘晗;徐亮;张黎;赵彤;: "基于改进势函数稀疏分量分析算法的变压器振声自适应提取方法", 高电压技术, no. 02, 7 February 2018 (2018-02-07) * |
| 陈敬德;吴继健;徐友刚;周南;罗林根;: "变电站全站设备故障声学成像检测系统的研制", 电气自动化, no. 05, 30 September 2020 (2020-09-30) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117825898B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113267330B (zh) | 一种基于声学成像的gis设备机械故障检测系统及方法 | |
| JP4891910B2 (ja) | ノイズ源の遠距離音場分析 | |
| CN207300606U (zh) | 基于声学原理的变压器信息采集装置 | |
| Ginn et al. | Noise source identification techniques: simple to advanced applications | |
| CN102662132A (zh) | 一种电气设备局部放电定位方法及系统 | |
| CN107192930A (zh) | 一种变压器局部放电定位方法 | |
| JP2010085366A (ja) | 高電圧電気機器の絶縁異常診断装置 | |
| CN110049424B (zh) | 一种基于检测gil故障声的麦克风阵列无线校准方法 | |
| CN109764956B (zh) | 一种基于组合优化正则化方法的近场声全息方法 | |
| US11976961B2 (en) | Transducer transfer impedance calibration device based on spatial frequency domai smoothing technology | |
| Gao et al. | A novel time reversal sub‐group imaging method with noise suppression for damage detection of plate‐like structures | |
| Thakur et al. | Sound source localization of harmonic sources in entire 3D space using just 5 acoustic signals | |
| CN112816835B (zh) | 基于电声联合检测信号传播时延补偿的局部放电定位方法 | |
| Comesana et al. | An introduction to virtual phased arrays for beamforming applications | |
| CN117825898B (zh) | 一种gis分布式振声联合监测方法、装置及介质 | |
| CN115656926A (zh) | 一种用于电力设备异响监测的定位识别方法和装置 | |
| CN105759256A (zh) | 一种水声发射器发送响应时间反转聚焦测量方法 | |
| Jia et al. | Direction of arrival estimation for single microelectromechanical systems vector hydrophone using modified wavelet packet de-noising | |
| Rahbarimagham et al. | Localization of radial deformation and its extent in power transformer HV winding using stationary UWB antennas | |
| Baldinelli et al. | Innovative techniques for the improvement of industrial noise sources identification by beamforming | |
| Jiang et al. | Sound power estimation method based on dual arrays sound intensity scaling and sound pressure superposition | |
| Chen et al. | Equipment Fault Acoustic Source Direction of Arrival Estimation with Microphone Arrays Using SRP-PHAT Method | |
| Bale | The application of MEMS microphone arrays to aeroacoustic measurements | |
| CN118094318B (zh) | 一种用于燃气轮机隔声罩噪声源识别方法及系统 | |
| Lugun et al. | Neural Network Based Time Delay Estimation between UHF Signals Radiated from Partial Discharge Sources |
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 |