【技术实现步骤摘要】
本专利技术涉及电力系统，尤其涉及一种输电杆塔螺栓松动定位方法、系统、设备、介质和产品。
技术介绍
1、架空输电线路常采用输电杆塔把输电导线和架空地线悬挂在高空实现输电目标。螺栓连接是输电杆塔常见的连接方式，杆塔螺栓连接的稳定性对于电力系统正常运行起着至关重要的作用。在输电杆塔的运行过程中，由于杆塔螺栓松动，在长期的强风作用下导线发生舞动，使得杆塔发生倾斜甚至倒塌事故，对电力系统安全运行造成严重的威胁。
2、因此，对输电杆塔的螺栓进行安全检测是必不可少的。然而，传统的人工定时检修方法不仅效率低下，并难以对故障位置进行及时定位。
技术实现思路
1、有鉴于此，本专利技术提供了一种输电杆塔螺栓松动定位方法、系统、设备、介质和产品，解决了传统的人工定时检修方法不仅效率低下，并难以对故障位置进行及时定位的技术问题。
2、本专利技术第一方面提供了一种输电杆塔螺栓松动定位方法，包括：
3、采集目标输电杆塔的多个螺栓处的振动信号；
4、基于凤头豪猪优化算法优化的ivmd算法对所述振动信号进行分解，得到多个模态分量，并利用多个所述模态分量提取多个所述振动信号的特征信号；
5、对多个所述特征信号分配标签，所述标签包括螺栓位置和螺栓是否松动的情况；
6、根据多个所述特征信号以及所述标签构建训练数据集；
7、利用卷积神经网络对所述训练数据集进行分类训练，得到螺栓松动定位模型；
8、利用所述螺栓松动定位模型对未识别
9、优选地，本方法还包括：利用凤头豪猪优化算法对所述ivmd算法的网络参数进行优化；所述利用凤头豪猪优化算法对所述ivmd算法的网络参数进行优化，包括：
10、初始化所述凤头豪猪优化算法的参数，所述参数包括豪猪种群、种群大小、最大迭代次数以及适应度函数，所述豪猪种群中的豪猪个体代表一个所述ivmd算法的候选网络参数解；
11、构建数学模型模拟所述豪猪个体的防御策略，所述防御策略包括视觉防御、声音防御、气味防御和身体攻击；
12、利用所述防御策略更新所述豪猪个体的当前位置；
13、利用适应度函数计算更新位置后的每个豪猪个体的适应度值，确定所述豪猪种群的全局最优解；
14、判断当前迭代次数是否达到最大迭代次数，当判断当前迭代次数未达到最大迭代次数时，则转至所述利用所述防御策略更新所述豪猪个体的当前位置的步骤；
15、在迭代过程中，当所述豪猪种群达到预设的缩减周期时，则利用循环种群缩减规则执行种群缩减操作；
16、当判断当前迭代次数达到最大迭代次数时，则结束迭代，并输出当前适应度值最优的豪猪个体作为所述ivmd算法的最优网络参数。
17、优选地，所述基于凤头豪猪优化算法优化的ivmd算法对所述振动信号进行分解，得到多个模态分量，并利用多个所述模态分量提取多个所述振动信号的特征信号，包括：
18、基于凤头豪猪优化算法优化的ivmd算法对所述振动信号进行分解，得到多个模态分量；
19、针对每个所述模态分量，确定所述模态分量的包络线；
20、根据所述模态分量的包络线确定包络峰度，遍历所有模态分量的包络峰度，并确定局部最大包络峰度以及所述局部最大包络峰度对应的分解层数；
21、利用所述分解层数对每个所述振动信号进行分解，得到新的模态分量；
22、利用所述新的模态分量进行频域转换，得到频谱图，并识别出所述频谱图中最大的频率分量作为所述振动信号的特征信号。
23、优选地，所述卷积神经网络为一维卷积神经网络。
24、优选地，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和softmax分类器；
25、所述利用卷积神经网络对所述训练数据集进行分类训练，得到螺栓松动定位模型，包括：
26、将所述特征信号通过所述输入层输入至所述卷积层进行卷积处理，得到特征数据；
27、将所述特征数据输入至所述池化层进行池化处理；
28、将经过池化处理后的特征数据输入至所述全连接层进行特征组合，并将组合得到的特征映射至样本标记空间；
29、通过所述softmax分类器对所述样本标记空间中的特征进行分类，得到所述样本标记空间中的特征的标签分类结果，构建所述螺栓松动定位模型。
30、第二方面，本专利技术还提供了一种输电杆塔螺栓松动定位系统，包括：
31、信号采集模块，用于采集目标输电杆塔的多个螺栓处的振动信号；
32、信号分解模块，用于基于凤头豪猪优化算法优化的ivmd算法对所述振动信号进行分解，得到多个模态分量，并利用多个所述模态分量提取多个所述振动信号的特征信号；
33、标签分配模块，用于对多个所述特征信号分配标签，所述标签包括螺栓位置和螺栓是否松动的情况；
34、数据集构建模块，用于根据多个所述特征信号以及所述标签构建训练数据集；
35、分类训练模块，用于利用卷积神经网络对所述训练数据集进行分类训练，得到螺栓松动定位模型；
36、定位预测模块，用于利用所述螺栓松动定位模型对未识别的螺栓预测螺栓是否发生松动，并对发生松动的螺栓进行定位。
37、第三方面，本专利技术还提供了一种电子设备，所述电子设备包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面所述的输电杆塔螺栓松动定位方法的步骤。
38、第四方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如第一方面所述的输电杆塔螺栓松动定位方法的步骤。
39、第五方面，本专利技术还提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被计算机执行时，使所述计算机执行如第一方面所述的输电杆塔螺栓松动定位方法的步骤。
40、从以上技术方案可以看出，本专利技术通过基于凤头豪猪优化算法优化的ivmd算法对振动信号进行分解，并提取多个振动信号的特征信号，对多个特征信号分配标签，以确定每个特征信号的螺栓位置和螺栓是否松动的情况，通过多个特征信号以及标签构建训练数据集，利用卷积神经网络对训练数据集进行分类训练，得到螺栓松动定位模型，从而对未识别的螺栓预测螺栓是否发生松动，并对发生松动的螺栓进行定位，提高了螺栓松动定位效率和准确性。
本文档来自技高网...【技术保护点】
1.一种输电杆塔螺栓松动定位方法，其特征在于，包括：
2.根据权利要求1所述的输电杆塔螺栓松动定位方法，其特征在于，还包括：利用凤头豪猪优化算法对所述IVMD算法的网络参数进行优化；所述利用凤头豪猪优化算法对所述IVMD算法的网络参数进行优化，包括：
3.根据权利要求1所述的输电杆塔螺栓松动定位方法，其特征在于，所述基于凤头豪猪优化算法优化的IVMD算法对所述振动信号进行分解，得到多个模态分量，并利用多个所述模态分量提取多个所述振动信号的特征信号，包括：
4.根据权利要求1所述的输电杆塔螺栓松动定位方法，其特征在于，所述卷积神经网络为一维卷积神经网络。
5.根据权利要求4所述的输电杆塔螺栓松动定位方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和SoftMax分类器；
6.一种输电杆塔螺栓松动定位系统，其特征在于，包括：
7.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-5任一项所
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-5任一项所述的输电杆塔螺栓松动定位方法的步骤。
9.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1-5任一项所述的输电杆塔螺栓松动定位方法的步骤。
...【技术特征摘要】
1.一种输电杆塔螺栓松动定位方法，其特征在于，包括：
2.根据权利要求1所述的输电杆塔螺栓松动定位方法，其特征在于，还包括：利用凤头豪猪优化算法对所述ivmd算法的网络参数进行优化；所述利用凤头豪猪优化算法对所述ivmd算法的网络参数进行优化，包括：
3.根据权利要求1所述的输电杆塔螺栓松动定位方法，其特征在于，所述基于凤头豪猪优化算法优化的ivmd算法对所述振动信号进行分解，得到多个模态分量，并利用多个所述模态分量提取多个所述振动信号的特征信号，包括：
4.根据权利要求1所述的输电杆塔螺栓松动定位方法，其特征在于，所述卷积神经网络为一维卷积神经网络。
5.根据权利要求4所述的输电杆塔螺栓松动定位方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、全连接层和s...
【专利技术属性】
技术研发人员：李晓斌，李保国，钟国思，叶智杰，文洪兵，刘国辉，辛浩淼，李子新，关俊峰，姚攀，刘炳荣，王硕，关华深，侯维捷，刘宝军，
申请(专利权)人：广东电网有限责任公司江门供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。