基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置制造方法及图纸

本发明专利技术公开了基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置，方法为：利用超声导波检测设备，采集超声导波信号；对训练信号集和测试信号集进行标准化处理，得到标准训练集和标准测试集；利用深度卷积神经网络对标准训练集进行降维和重构，模拟出电缆铝护套腐蚀损伤信号集；构建孪生网络，进行深度学习并更新孪生网络参数，获得训练好的孪生网络；将标准测试集输入训练好的孪生网络中获取电缆铝护套腐蚀损伤指标，采用概率成像方法呈现电缆铝护套腐蚀损伤状态。本发明专利技术采用超声导波对电缆铝护套进行检测，通过模拟腐蚀损伤信号对孪生网络进行训练优化和知识迁移，实现了电缆铝护套的腐蚀损伤成像，有利于电缆铝护套的检测与维护。的检测与维护。的检测与维护。

【技术实现步骤摘要】
基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置


[0001]本专利技术属于电缆铝护套无损检测的
，具体涉及一种基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置。

技术介绍

[0002]现代社会中，电力电缆作为城市电网的重要组成部分，对于其结构的健康监测至关重要。其中，电缆铝护套作为电缆的一部分，常常由于防水措施不佳产生电化学腐蚀，使得电缆铝护套未能有效接地，从而产生悬浮电压，最终会导致电缆或附件击穿，对电力系统造成破坏，甚至威胁人员生命安全；因此，针对电缆铝护套的腐蚀缺陷检测迫在眉睫。
[0003]现有检测电力系统常用的无损检测方式有磁粉检测、涡流检测、红外检测、超声检测等；但高压电缆铝护套外层有较厚的PVC材料，现有方法无法经过多层结构检测到电缆铝护套的腐蚀缺陷情况，故急需一种检测手段检测高压电缆铝护套的腐蚀缺陷。
[0004]超声导波方法具有传播距离远、检测距离大、检测效率高等优点，可实现电缆铝护套腐蚀缺陷的定位和损伤评估；同时对早期损伤和微小缺陷有很好的敏感度；将超声导波引入高压电缆铝护套的腐蚀损伤检测中，能够有效的对腐蚀缺陷进行定位及评估。

技术实现思路

[0005]本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置，本专利技术通过对不同传感器采集的电缆铝护套原始信号进行标准化处理，以保证训练样本的一致性；再利用卷积神经网络对导波信号进行降维和重构，在正常信号的表示中加入信号干扰，模拟电缆铝护套腐蚀损伤信号；然后对孪生网络进行训练；使用正常状态信号和测试信号在孪生网络中获取电缆铝护套腐蚀损伤指标；最后采用概率成像方法直观地呈现电缆铝护套腐蚀损伤状态。
[0006]为了达到上述目的，本专利技术采用以下技术方案：
[0007]本专利技术第一目的在于提供一种基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法，其特征在于，包括下述步骤：
[0008]利用超声导波检测设备，在电缆铝护套正常状态下采集超声导波信号作为训练信号集，在电缆铝护套腐蚀损伤状态采集超声导波信号作为测试信号集；
[0009]对训练信号集和测试信号集进行标准化处理，得到标准训练集和标准测试集；
[0010]利用深度卷积神经网络对标准训练集进行降维和重构，模拟出电缆铝护套腐蚀损伤信号集；
[0011]构建孪生网络并使用电缆铝护套腐蚀损伤信号和标准训练集进行深度学习并更新孪生网络参数，获得训练好的孪生网络；
[0012]将标准测试集输入训练好的孪生网络中获取电缆铝护套腐蚀损伤指标，采用概率成像方法呈现电缆铝护套腐蚀损伤状态。
[0013]作为优选的技术方案，所述采集超声导波信号，具体为：
[0014]在计算机中产生激励信号，导入任意信号发生器中并输入电压放大器；
[0015]电压放大器输出放大电信号的电压到电缆铝护套上的激励传感器，利用激励传感器中压电芯片的逆压电效应将电信号转换为振动信号；
[0016]振动信号在电缆铝护套中以导波方式进行传播，使用采集传感器在电缆铝护套螺纹管结构外凸表面与铜编织带焊接处采集振动信号，再利用采集传感器中压电芯片的正压电效应将振动信号转换为电信号输入数据采集卡；
[0017]数据采集卡经数模转换后输入计算机中，获取电缆铝护套在腐蚀损害状态和正常状态下的超声导波信号；
[0018]在电缆铝护套正常状态下采集的超声导波信号作为训练信号集：在电缆铝护套腐蚀损伤状态下采集的超声导波信号作为测试信号集：其中为正常状态下第n个超声导波信号样本，N
s
为训练信号集的样本数量，为腐蚀损害状态下第n个超声导波信号样本，N
t
为测试信号集的样本数量。
[0019]作为优选的技术方案，所述进行标准化处理，具体为：
[0020]对信号集中每个信号样本进行标准化处理，公式如下：
[0021][0022]其中Y
i
是信号集的第i个信号样本，max(Y)是所有信号样本的最大值，min(Y)是所有信号样本的最小值；
[0023]分别对训练信号集和测试信号集标准化为[
‑
1，1]，获得标准训练集和标准测试集；
[0024]所述标准训练集表示为Y
h
＝{Y
hi
}，i＝1，2，
…
，N
s
；
[0025]所述标准测试集表示为Y
t
＝{Y
ti
}，i＝1，2，
…
，N
t
。
[0026]作为优选的技术方案，所述深度卷积神经网络包括卷积编码网络和解码重构网络；
[0027]所述卷积编码网络由卷积层和池化层组成，对输入信号进行逐层特征提取，实现特征降维，卷积计算过程表示为：
[0028][0029]其中i、j和k均为正整数，h
i，k
为第i个卷积核所捕获的隐层表示的第k个元素，m1为卷积核尺寸，n1为卷积核数量，l是输入信号的长度，Y
k
‑
1+j
为第k
‑
1+j个标准化信号的补零向量，K
i，j
为第i个卷积核的第j个元素；
[0030]所述解码重构网络由多层上采样层和反卷积层组成，将降维后信号进行重构，重构过程表示为：
[0031][0032]其中i、j和k均为正整数，为在N
l
层反卷积层中第i个卷积核获得的卷积表示的第k个元素，表示第Nl层反卷积层中第i个卷积核第k个元素在前一上采样层的结果，是在N
l
层反卷积层中第i个卷积核的第j个元素，是第N
l
层反卷积层的卷积核尺寸，是第N
l
层反卷积层的输入信号长度。
[0033]作为优选的技术方案，所述电缆铝护套腐蚀损伤信号集的模拟步骤为：
[0034]将标准训练集输入深度卷积神经网络中，使用卷积编码网络对标准训练集进行降维获取深度卷积特征，即隐层表示；
[0035]在标准训练集的隐层表示中加入信号干扰，获得扰动隐层表示；
[0036]使用解码重构网络对扰动隐层表示进行重构，获得电缆铝护套腐蚀损伤信号集；
[0037]所述电缆铝护套腐蚀损伤信号集的生成公式为：
[0038]Q
H
＝Encoder(Y
h
)
[0039][0040]其中，Y
h
是标准训练集，Y
d
是腐蚀损伤信号集，Q
H
为卷积编码网络降维输出的隐层表示，为扰动隐层表示，Encoder是卷积编码网络，Decoder是解码重构网络。
[0041]作为优选的技术方案，所述孪生网络采用半监督学习网络进行构建，包括两个共享参数的卷积神经网络；
[0042]对于一对输入信号[Y<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法，其特征在于，包括下述步骤：利用超声导波检测设备，在电缆铝护套正常状态下采集超声导波信号作为训练信号集，在电缆铝护套腐蚀损伤状态采集超声导波信号作为测试信号集；对训练信号集和测试信号集进行标准化处理，得到标准训练集和标准测试集；利用深度卷积神经网络对标准训练集进行降维和重构，模拟出电缆铝护套腐蚀损伤信号集；构建孪生网络并使用电缆铝护套腐蚀损伤信号和标准训练集进行深度学习并更新孪生网络参数，获得训练好的孪生网络；将标准测试集输入训练好的孪生网络中获取电缆铝护套腐蚀损伤指标，采用概率成像方法呈现电缆铝护套腐蚀损伤状态。2.根据权利要求1所述的基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法，其特征在于，所述采集超声导波信号，具体为：在计算机中产生激励信号，导入任意信号发生器中并输入电压放大器；电压放大器输出放大电信号的电压到电缆铝护套上的激励传感器，利用激励传感器中压电芯片的逆压电效应将电信号转换为振动信号；振动信号在电缆铝护套中以导波方式进行传播，使用采集传感器在电缆铝护套螺纹管结构外凸表面与铜编织带焊接处采集振动信号，再利用采集传感器中压电芯片的正压电效应将振动信号转换为电信号输入数据采集卡；数据采集卡经数模转换后输入计算机中，获取电缆铝护套在腐蚀损害状态和正常状态下的超声导波信号；在电缆铝护套正常状态下采集的超声导波信号作为训练信号集：在电缆铝护套腐蚀损伤状态下采集的超声导波信号作为测试信号集：其中为正常状态下第n个超声导波信号样本，N
s
为训练信号集的样本数量，为腐蚀损害状态下第n个超声导波信号样本，N
t
为测试信号集的样本数量。3.根据权利要求2所述的基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法，其特征在于，所述进行标准化处理，具体为：对信号集中每个信号样本进行标准化处理，公式如下：其中Y
i
是信号集的第i个信号样本，max(Y)是所有信号样本的最大值，min(Y)是所有信号样本的最小值；分别对训练信号集和测试信号集标准化为[
‑
1,1]，获得标准训练集和标准测试集；所述标准训练集表示为Y
h
＝{Y
hi
},i＝1,2,
…
,N
s
；所述标准测试集表示为Y
t
＝{Y
ti
},i＝1,2,
…
,N
t
。4.根据权利要求3所述的基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法，其特征在于，所述深度卷积神经网络包括卷积编码网络和解码重构网络；
所述卷积编码网络由卷积层和池化层组成，对输入信号进行逐层特征提取，实现特征降维，卷积计算过程表示为：其中i、j和k均为正整数，h
i,k
为第i个卷积核所捕获的隐层表示的第k个元素，m1为卷积核尺寸，n1为卷积核数量，l是输入信号的长度，Y
k
‑
1+j
为第k
‑
1+j个标准化信号的补零向量，K
i,j
为第i个卷积核的第j个元素；所述解码重构网络由多层上采样层和反卷积层组成，将降维后信号进行重构，重构过程表示为：其中i、j和k均为正整数，为在N
l
层反卷积层中第i个卷积核获得的卷积表示的第k个元素，表示第N
l
层反卷积层中第i个卷积核第k个元素在前一上采样层的结果，是在N
l
层反卷积层中第i个卷积核的第j个元素，是第N
l
层反卷积层的卷积核尺寸，是第N
l
层反卷积层的输入信号长度。5.根据权利要求4所述的基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法，其特征在于，所述电缆铝护套腐蚀损伤信号集的模拟步骤为：将标准训练集输入深度卷积神经网络中，使用卷积编码网络对标准训练集进行降维获取深度卷积特征，即隐层表示；在标准训练集的隐层表示中加入信号干扰，获得扰动隐层表示；使用解码重构网络对扰动隐层表示进行重构，获得电缆铝护套腐蚀损伤信号集；所述电缆铝护套腐蚀损伤信号集的生成公式为：Q
H
＝Encoder(Y
h
)其中，Y
h
是标准训练集，Y
d
是腐蚀损伤信号集，Q
H
为卷积编码网络降维输出的隐层表示，为扰动隐层表示，Encoder是卷积编码网络，Decoder是解码重构网络。6.根据权利要求5所述的基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法，其特征在于，所述孪生网络采用半监督学习网络进行构建，包括两个共享参数的卷积神经网络；对于一对输入信号[Y
n
,Y
t
]，使用映射函数F
w
(Y)通过卷积神经网络将输入信号映射到新的坐标系空间，通过距离度量计算映射信号F
w
(Y
n
)和F
w
(Y
t
)的欧几里得距离S<...

【专利技术属性】
技术研发人员：黄嘉盛，韩卓展，李濛，刘智勇，张飞，石银霞，冉倩，张滔，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：